Could emergency admission plasma D-dimer level predict first pass effect of stent retriever thrombectomy in acute ischemic stroke?
Notice bibliographique
Résumé
Background Evidence on plasma biomarkers to identify first pass effect (FPE) in patients with acute ischemic stroke (AIS) with large vessel occlusion (LVO) treated with thrombectomy is limited. Purpose To evaluate whether plasma D-dimer could predict FPE. Material and Methods Consecutive patients with LVO who underwent first-line stent retriever thrombectomy at our center between January 2018 and August 2021 were enrolled. Patients were classified into the FPE (modified Thrombolysis in Cerebral Infarction [mTICI] ≥2c) group or non-FPE (mTICI 0–2b) group based on angiographic outcomes. Logistic regression analysis was performed to determine the predictors of FPE. The overall ability of D-dimer levels in predicting FPE was evaluated using receiver operating characteristic (ROC) curves. Results In total, 313 patients were included; 88 (28.1%) patients achieved FPE. Compared to those with non-FPE, patients with FPE had more diabetes mellitus history, lower D-dimer levels, higher clot burden score, a higher proportion of M1 middle cerebral artery, and a higher proportion of main stem occlusion pattern ( P <0.05). After adjusting for potential variables, D-dimer levels (OR=0.81, 95% CI=0.52–0.96), clot burden score (OR=1.76, 95% CI=1.38–2.87), and main stem occlusion pattern (OR=1.85, 95% CI=1.19–2.62) remained independently associated with FPE. Based on the ROC analysis, the D-dimer as a predictor for predicting FPE presented with a specificity of 79%, a negative predictive value of 87%, and an area under the curve of 0.761. Conclusion Low emergency admission plasma D-dimer level is an independent predictor of FPE in patients with AIS treated with stent retriever thrombectomy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».