MétaCan
Menu
Retour à la cohorte
Enregistrement W4399559336 · doi:10.1016/j.clineuro.2024.108389

Nomogram established on account of Lasso-logistic regression for predicting hemorrhagic transformation in patients with acute ischemic stroke after endovascular thrombectomy

2024· article· en· W4399559336 sur OpenAlexaboutno aff
Qi Duan, Wenlong Li, Ye Zhang, Weihao Zhuang, Jingfang Long, Beilan Wu, Jincai He, Haoran Cheng

Notice bibliographique

RevueClinical Neurology and Neurosurgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineNomogramLogistic regressionStroke (engine)ComplicationLasso (programming language)Endovascular treatmentInternal medicineIschemic strokeCardiologySurgeryRadiologyIschemiaAneurysm

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hemorrhagic transformation (HT) is a common and serious complication in patients with acute ischemic stroke (AIS) after endovascular thrombectomy (EVT). This study was performed to determine the predictive factors associated with HT in stroke patients with EVT and to establish and validate a nomogram that combines with independent predictors to predict the probability of HT after EVT in patients with AIS. METHODS: All patients were randomly divided into development and validation cohorts at a ratio of 7:3. The least absolute shrinkage and selection operator (LASSO) regression was used to select the optimal factors, and multivariate logistic regression analysis was used to build a clinical prediction model. Calibration plots, decision curve analysis (DCA) and receiver operating characteristic curve (ROC) were generated to assess predictive performance. RESULTS: LASSO regression analysis showed that Alberta Stroke Program Early CT Scores (ASPECTS), international normalized ratio (INR), uric acid (UA), neutrophils (NEU) were the influencing factors for AIS with HT after EVT. A novel prognostic nomogram model was established to predict the possibility of HT with AIS after EVT. The calibration curve showed that the model had good consistency. The results of ROC analysis showed that the AUC of the prediction model established in this study for predicting HT was 0.797 in the development cohort and 0.786 in the validation cohort. CONCLUSION: This study proposes a novel and practical nomogram based on ASPECTS, INR, UA, NEU, which can well predict the probability of HT after EVT in patients with AIS.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,297
Écart entre enseignants0,277 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Neurology and NeurosurgeryMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207