A cortically-weighted versus total Alberta Stroke Program Early Computed Tomography Score in thrombectomy outcome models
Notice bibliographique
Résumé
OBJECTIVES: Individual subcortical infarct scoring for the Alberta Stroke Program Early Computed Tomography Score (ASPECTS) can be difficult and is subjected to higher inter-reader variability. This study compares performance of the 10-point ASPECTS with a new 7-point cortically-weighted score in predicting post-thrombectomy functional outcomes. MATERIALS AND METHODS: Prospective registry data from two comprehensive stroke centers (Site 1 2016-2021; Site 2: 2019-2021) included patients with either M1 segment of middle cerebral artery or internal carotid artery occlusions who underwent thrombectomy. Two multivariate proportional odds training models utilizing either 10-point or 7-point ASPECTS predicting 90-day shift in modified Rankin score were generated using Site 1 data and validated with Site 2 data. Models were compared using multiclass receiver operator characteristics, corrected Akaike's Information Criterion, and likelihood ratio test. RESULTS: Of 328 patients (Site 1 = 181, Site 2 = 147), median age was 71y (IQR 61-82), 119 (36%) had internal carotid artery occlusions, and median 10-point ASPECTS was 9 (IQR 8-10). There was no difference in performance between models using either total or cortically-weighted ASPECTS (p=0.14). Validation cohort data were correctly (i.e., predicting modified Rankin score within one point) classified 50% (cortically-weighted score model) and 56% (total score model) of the time. CONCLUSIONS: The 7-point cortically-weighted ASPECTS was similarly predictive of post-thrombectomy functional outcome as 10-point ASPECTS. Given noninferior performance, the cortically-weighted score is a potentially reliable, but simplified, alternative to the traditional scoring paradigm, with potential implications in automated image analysis tool development.
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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».