MétaCan
Menu
Retour à la cohorte
Enregistrement W4380739939 · doi:10.1212/wnl.0000000000207479

Associations of Multimorbidity With Stroke Severity, Subtype, Premorbid Disability, and Early Mortality

2023· article· en· W4380739939 sur OpenAlexfundno aff
Matthew B. Downer, Linxin Li, Samantha Carter, Sally Beebe, Peter M. Rothwell

Notice bibliographique

RevueNeurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchClarendon FundUniversity of OxfordNational Institute for Health and Care ResearchWellcome Trust
Mots-clésMedicineComorbidityStroke (engine)Modified Rankin ScaleInternal medicineConfoundingHazard ratioPopulationLogistic regressionOdds ratioProportional hazards modelPhysical therapyIschemic strokeConfidence intervalIschemia

Résumé

récupéré en direct d'OpenAlex

<h3>Background and Objectives:</h3> Patients with multimorbidity are under-represented in clinical trials. Inclusion in stroke trials is often limited by exclusion based on pre-morbid disability, concerns about worse post-stroke outcomes in acute treatment trials, and a possibly increased proportion of haemorrhagic vs ischaemic stroke in prevention trials. Multimorbidity is associated with increased mortality after stroke, but it is unclear whether this is driven by increased stroke severity, or is confounded by particular stroke subtypes or premorbid disability. We aimed to determine the independent association of multimorbidity with stroke severity taking account of these main potential confounders. <h3>Methods:</h3> In a population-based incidence study (Oxford Vascular Study; 2002-2017), pre-stroke multimorbidity (Charlson Comorbidity Index-CCI; unweighted/weighted) in all first-in-study strokes was related to post-acute severity (≈24 hours; NIH Stroke Scale-NIHSS), stroke subtype (haemorrhagic vs ischaemic; Trial of Org 10172 in Acute Stroke Treatment-TOAST), and pre-morbid disability (modified Rankin score/mRS≥2) using age/sex-adjusted logistic and linear regression models, and to 90-day mortality using Cox proportional hazard models. <h3>Results:</h3> Among 2492 patients (mean/SD age=74.5/13.9; 1216/48.8% male; 2160/86.7% ischaemic strokes; mean/SD NIHSS=5.7/7.1), 1402/56.2% had at least one CCI comorbidity, and 700/28.1% had multimorbidity. Although multimorbidity was strongly related to pre-morbid mRS≥2 (aOR for per CCI comorbidity=1.42, 1.31-1.54, <i>p</i>&lt;0.001) and comorbidity burden was crudely associated with increased severity of ischaemic stroke (OR per comorbidity: 1.12, 1.01-1.23 for NIHSS 5-9, <i>p</i>=0.027; 1.15, 1.06-1.26, for NIHSS≥10; <i>p</i>=0.001), no association with severity remained after stratification by TOAST subtype (aOR=1.02, 0.90-1.14, <i>p</i>=0.78 for NIHSS 5-9 vs 0-4: 0.99, 0.91-1.07, <i>p</i>=0.75 for NIHSS≥10vs0-4), or within any individual subtype. The proportion of intracerebral haemorrhage versus ischaemic stroke was lower in patients with multimorbidity (aOR per comorbidity=0.80, 0.70-0.92, <i>p</i>&lt;0.001), and multimorbidity was only weakly associated with 90-day mortality after adjustment for age, sex, severity, and pre-morbid disability (aHR per comorbidity=1.09, 1.04-1.14, <i>p</i>&lt;0.001). Results were unchanged using the weighted CCI. <h3>Discussion:</h3> Multimorbidity is common in patients with stroke and is strongly related to pre-morbid disability, but is not independently associated with increased ischaemic stroke severity. Greater inclusion of patients with multimorbidity is unlikely therefore to undermine the effectiveness of interventions in clinical trials, but would increase external validity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,065
Tête enseignante GPT0,340
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetChronic Disease Management StrategiesTravaux en français237 207