Impact of early MRI in ischemic strokes beyond hyper-acute stage to improve patient outcomes, enable early discharge, and realize cost savings
Notice bibliographique
Résumé
BACKGROUND: Early in-patient MR Imaging may assist in identifying stroke etiology, facilitating prompt secondary prevention for ischemic strokes (IS), and potentially enhancing patient outcomes. This study explores the impact of early in patient MRI on IS patient outcomes and healthcare resource use beyond the hyper-acute stage. METHODS: In this retrospective registry-based study, 771 admitted transient ischemic attack (TIA) and IS patients at Halifax's QEII Health Centre from 2015 to 2019 underwent in-patient MRI. Cohort was categorized into two groups based on MRI timing: early (within 48 h) and late. Logistic regression and Poisson log-linear models, adjusted for age, sex, stroke severity, acute stroke protocol (ASP) activation, thrombolytic, and thrombectomy, were employed to examine in-hospital, discharge, post-discharge, and healthcare resource utilization outcomes. RESULTS: Among the cohort, 39.6 % received early in-patient MRI. ASP activation and TIA were associated with a higher likelihood of receiving early MRI. Early MRI was independently associated with a lower rate of symptomatic changes in neurological status during hospitalization (adjusted odds ratio [OR], 0.42; 95 % confidence interval [CI], 0.20-0.88), higher odds of good functional outcomes at discharge (1.55; 1.11-2.16), lower rate of non-home discharge (0.65; 0.46-0.91), shorter length of stay (regression coefficient, 0.93; 95 % CI, 0.89-0.97), and reduced direct cost of hospitalization (0.77; 0.75-0.79). CONCLUSION: Early in-patient MRI utilization in IS patients post-hyper-acute stage was independently associated with improved patient outcomes and decreased healthcare resource utilization, underscoring the potential benefits of early MRI during in-patient management of IS. Further research, including randomized controlled trials, is warranted to validate these findings.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».