MétaCan
Menu
Retour à la cohorte
Enregistrement W4396992756 · doi:10.1681/asn.20213210s1721c

The Association of CKD Severity with Stroke Subtype Using the TOAST Classification

2021· article· en· W4396992756 sur OpenAlexaffabout
Salmi T. Noor, Sarah E. Bota, Anna E. Clarke, Dearbhla Kelly, Greg Knoll, Manish M. Sood

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensOttawa HospitalInstitute for Clinical Evaluative SciencesUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineAssociation (psychology)Stroke (engine)Internal medicinePsychologyPhysics

Résumé

récupéré en direct d'OpenAlex

Background: Ischemic stroke affects approximately 67.5 million people worldwide. The risk of acute ischemic stroke largely increases with advanced chronic kidney disease (CKD). However, whether the risk of specific ischemic stroke subtype varies with declining kidney function remains unclear. The purpose of this study was to assess the association between ischemic stroke subtypes (cardioembolic [CE], arterial, lacunar, other) classified using the Trial of Org 10172 in Acute Stroke Treatment (TOAST) and CKD stage. Methods: This is a cross-sectional, retrospective cohort study of adults (≥18 years) with an ischemic stroke who presented to the emergency department in Ontario, Canada between April 1, 2002- March 31, 2013 and who had an inpatient serum creatinine measurement or were on chronic dialysis. All patients captured in the stroke registry with an estimated glomerular filtration rate (eGFR) were included and CKD severity was categorised as ≥60, 30-59, <30 mL/min/1.73m2 or chronic dialysis. Results: A total of 17,434 individuals with an ischemic stroke were included (58.9% eGFR ≥60, 34.7% eGFR 30-59, 6.0% eGFR<30, 0.5% on chronic dialysis; mean age of 73 years; 48% female). Among patients with an eGFR 30-59 (50.4%) and < 30 (50.6%), CE stroke was more common compared to those with an eGFR >60 (36.8%) or on chronic dialysis patients (37.3%). The odds of CE stroke vs. non-CE stroke were eGFR 30-59 odds ratio (OR) 1.20 95% confidence interval (CI) 1.10-1.31, eGFR<30 OR 1.21 95% CI 1.02-1.44, dialysis OR 0.86 95% CI 0.48-1.57, eGFR>60 referent). We found lower adjusted odds of lacunar stroke in those with advanced CKD (lacunar vs. non-lacunar: eGFR 30-59 OR 0.85 95% CI 0.77-0.93, eGFR<30 OR 0.73 95% CI 0.61-0.88, dialysis OR 1.25 95% CI 0.68-2.28, eGFR>60 referent). In subgroup analyses (eGFR>=30 and <30), CE strokes were also more common in those >65 years, with atrial fibrillation, no anticoagulation or an INR <2. Conclusions: Chronic kidney disease (eGFR<60, pre-dialysis CKD) is associated with a higher odds of CE stroke compared to patients with normal to high kidney function or those on chronic dialysis. Normal/mildly decreased eGFR were associated with the development of lacunar strokes. Detailed stroke subtyping in CKD may therefore provide mechanistic insights and refocus treatment strategies in this vulnerable group.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,427
Écart entre enseignants0,322 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of NephrologyMême sujetArtificial Intelligence in HealthcareTravaux en français237 207