Predictors of functional outcome after thrombectomy for M2 occlusions: a large scale experience from clinical practice
Notice bibliographique
Résumé
Mechanical thrombectomy (MT) for acute ischemic stroke with medium vessel occlusions is still a matter of debate. We sought to identify factors associated with clinical outcome after MT for M2-occlusions based on data from the German Stroke Registry-Endovascular Treatment (GSR-ET). All patients prospectively enrolled in the GSR-ET from 05/2015 to 12/2021 were analyzed (NCT03356392). Inclusion criteria were primary M2-occlusions and availability of relevant clinical data. Factors associated with excellent/good outcome (modified Rankin scale mRS 0-1/0-2), poor outcome/death (mRS 5-6) and mRS-increase pre-stroke to day 90 were determined in multivariable logistic regression. 1348 patients were included. 1128(84%) had successful recanalization, 595(44%) achieved good outcome, 402 (30%) had poor outcome. Successful recanalization (odds ratio [OR] 4.27 [95% confidence interval 3.12-5.91], p < 0.001), higher Alberta stroke program early CT score (OR 1.25 [1.18-1.32], p < 0.001) and i.v. thrombolysis (OR 1.28 [1.07-1.54], p < 0.01) increased probability of good outcome, while age (OR 0.95 [0.94-0.95], p < 0.001), higher pre-stroke-mRS (OR 0.36 [0.31-0.40], p < 0.001), higher baseline NIHSS (OR 0.89 [0.88-0.91], p < 0.001), diabetes (OR 0.52 [0.42-0.64], p < 0.001), higher number of passes (OR 0.75 [0.70-0.80], p < 0.001) and intracranial hemorrhage (OR 0.26 [0.14-0.46], p < 0.001) decreased the probability of good outcome. Additional predictors of mRS-increase pre-stroke to 90d were dissections, perforations (OR 1.59 [1.11-2.29], p < 0.05) and clot migration, embolization (OR 1.67 [1.21-2.30], p < 0.01). Corresponding to large-vessel-occlusions, younger age, low pre-stroke-mRS, low severity of acute clinical disability, i.v. thrombolysis and successful recanalization were associated with good outcome while diabetes and higher number of passes decreased probability of good outcome after MT in M2 occlusions. Treatment related complications increased probability of mRS increase pre-stroke to 90d.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».