Pretreatment predictors of very poor clinical outcomes in medium vessel occlusion stroke patients treated with mechanical thrombectomy
Notice bibliographique
Résumé
BACKGROUND: Acute ischemic stroke (AIS) from primary medium vessel occlusions (MeVO) is a prevalent condition associated with substantial morbidity and mortality. Despite the common use of mechanical thrombectomy (MT) in AIS, predictors of poor outcomes in MeVO remain poorly characterized. METHODS: In this prospectively collected, retrospectively reviewed, multicenter, multinational study, data from the MAD-MT (Multicenter Analysis of primary Distal medium vessel occlusions: effect of Mechanical Thrombectomy) registry were analyzed. The study included 1568 patients from 37 academic centers across North America, Asia, and Europe, treated with MT, with or without intravenous tissue plasminogen activator (IVtPA), between September 2017 and July 2021. RESULTS: Among the 1568 patients, 347 (22.2%) experienced very poor outcomes (modified Rankin score (mRS), 5-6). Key predictors of poor outcomes were advanced age (odds ratio (OR): 1.03; 95% confidence interval (CI): 1.02 to 1.04; p < 0.001), higher baseline National Institutes of Health Stroke Scale (NIHSS) scores (OR: 1.07; 95% CI: 1.05 to 1.10; p < 0.001), pre-operative glucose levels (OR: 1.01; 95% CI: 1.00 to 1.02; p < 0.001), and a baseline mRS of 4 (OR: 2.69; 95% CI: 1.25 to 5.82; p = 0.011). The multivariable model demonstrated good predictive accuracy with an area under the receiver-operating characteristic (ROC) curve of 0.76. CONCLUSIONS: This study demonstrates that advanced age, higher NIHSS scores, elevated pre-stroke mRS, and pre-operative glucose levels significantly predict very poor outcomes in AIS-MeVO patients who received MT. These findings highlight the importance of a comprehensive risk assessment in primary MeVO patients for personalized treatment strategies. However, they also suggest a need for cautious patient selection for endovascular thrombectomy. Further prospective studies are needed to confirm these findings and explore targeted therapeutic interventions.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».