Development of a Novel Statistical Model for Predicting Clinical Outcomes in Stroke Patients With Tandem Occlusions After Endovascular Therapy
Notice bibliographique
Résumé
BACKGROUND: Tandem occlusions are intracranial large vessel occlusions (LVOs) with a concomitant ipsilateral extracranial internal carotid artery occlusion and can cause more severe stroke symptoms. AIM: To develop a simple, rigorously cross-validated novel tool to predict clinical outcomes following tandem occlusion in patients with acute LVO stroke, based on data that are easily available to clinicians. To have used machine learning approaches to utilize the available information from clinical and angiographic data to make predictive models able to distinguish between mortality versus survival and good (modified Rankin Scale (mRS) ≤ 2) versus unfavorable neurological outcomes (mRs ≥ 3) Materials and methods: Retrospective data from 87 consecutive patients with anterior circulation stroke and tandem occlusions who underwent mechanical thrombectomy and stenting between December 2009 and January 2020 were analyzed. Patients were stratified into three groups based on the location of their LVO, and these groups were compared using statistical tests. Predictive models were built and cross-validated 1000 times to estimate their predictive power, measured by accuracy and area under the receiver operating curve (AUROC). RESULTS: For distinguishing good outcome (mRS ≤ 2) versus poor outcome (mRS ≥ 3), the model comprised age, initial National Institute of Health Stroke Scale (NIHSS) score, Alberta Stroke Program Early CT Score (ASPECTS), NIHSS at 24 hours, NIHSS at discharge and intracranial haemorrhage and yielded an accuracy of 83% and the AUROC of 0.91. For mortality prediction, the model comprised age, initial NIHSS, intravenous thrombolysis, NIHSS at 24 hours and NIHSS at discharge and yielded an accuracy of 91% and an AUROC of 0.94. CONCLUSIONS: Models developed exhibit strong predictive performance and can distinguish between both the instances of survival versus mortality and good versus poor outcome with an aim to support clinicians in deciding on optimal management for these complex patients. The developed model will help identify those at risk of poorer outcomes and the prospective better selection of patients with acute ischaemic large vessel stroke secondary to tandem occlusions.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».