MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394379339 · doi:10.6084/m9.figshare.22263439

Supplementary Material for: Total Cerebral Small Vessel Disease Burden Predicts the Outcome of Acute Stroke Patients after Intra-Arterial Thrombectomy

2023· dataset· en· W4394379339 sur OpenAlexaboutno aff
Mei Yang, John Liang, Bicong Weng, Lu T., Hai Yang

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)CardiologyAcute strokeInternal medicineDiseaseEngineering

Résumé

récupéré en direct d'OpenAlex

Introduction: Various types of cerebral small vessel diseases (cSVD) markers commonly coexist. The neurological function outcome is affected by their combined effect. To investigate the effect of cSVD on intra-arterial thrombectomy (IAT), our study aimed at developing and testing a model with fusing a combination of multiple cSVD markers as total cSVD burden to predict the outcome of acute ischemic stroke (AIS) patients after IAT treatment. Methods: From October 2018 to March 2021, continuous AIS patients with IAT treatment were enrolled. We calculated the cSVD markers identified by magnetic resonance imaging. The outcomes of all patients were assessed according to the modified Rankin Scale (mRS) score at 90 days after stroke. The relationship between total cSVD burden and outcomes was analyzed by logistics regression analysis. Results: A total of 271 AIS patients were included in this study. The proportions of score 0∼4 in the total cSVD burden group (i.e., score 0, 1, 2, 3, and 4 groups) were 9.6%, 19.9%, 23.6%, 32.8%, and 14.0%, respectively. The higher the cSVD score, the more patients with a poor outcome. Heavier total cSVD burden (1.6 [1.01∼2.27]), diabetes mellitus (1.27 [0.28∼2.23]), and higher national institute of health stroke scale (NIHSS) on admission (0.15 [0.07∼0.23]) were associated with poor outcome. In the two Least Absolute Shrinkage and Selection Operator regression models, model 1 using age, duration from onset to reperfusion, Alberta stroke program early CT score (ASPECTS), NIHSS on admission, modified thrombolysis in cerebral infarction (mTICI) and total cSVD burden as variables perform well on predicting short-term outcome in area under curve (AUC) of 0.90. Model 2, including all of the variables above except cSVD, showed less predictive capability than model 1 (AUC 0.90 vs. 0.82, p = 0.045). Conclusions: The total cSVD burden score was independently associated with the clinical outcomes of AIS patients after IAT treatment and it may be a reliable predictor for poor outcomes of AIS patients after IAT treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,7580,166

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→