The feasibility of mechanical thrombectomy versus medical management for acute stroke with a large ischemic territory
Notice bibliographique
Résumé
BACKGROUND: Mechanical thrombectomy (MT) for acute ischemic stroke is generally avoided when the expected infarction is large (defined as an Alberta Stroke Program Early CT Score of <6). OBJECTIVE: To perform a meta-analysis of recent trials comparing MT with best medical management (BMM) for treatment of acute ischemic stroke with large infarction territory, and then to determine the cost-effectiveness associated with those treatments. METHODS: A meta-analysis of the RESCUE-Japan, SELECT2, and ANGEL-ASPECT trials was conducted using R Studio. Statistical analysis employed the weighted average normal method for calculating mean differences from medians in continuous variables and the risk ratio for categorical variables. TreeAge software was used to construct a cost-effectiveness analysis model comparing MT with BMM in the treatment of ischemic stroke with large infarction territory. RESULTS: The meta-analysis showed significantly better functional outcomes, with higher rates of patients achieving a modified Rankin Scale score of 0-3 at 90 days with MT as compared with BMM. In the base-case analysis using a lifetime horizon, MT led to a greater gain in quality-adjusted life-years (QALYs) of 3.46 at a lower cost of US$339 202 in comparison with BMM, which led to the gain of 2.41 QALYs at a cost of US$361 896. The incremental cost-effectiveness ratio was US$-21 660, indicating that MT was the dominant treatment at a willingness-to-pay of US$70 000. CONCLUSIONS: This study shows that, besides having a better functional outcome at 90-days' follow-up, MT was more cost-effective than BMM, when accounting for healthcare cost associated with treatment outcome.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».