MétaCan
Menu
Retour à la cohorte
Enregistrement W4401690578 · doi:10.1212/wnl.0000000000209750

Incident Infarcts in Patients With Stroke and Cerebral Small Vessel Disease

2024· article· en· W4401690578 sur OpenAlexaboutno aff
Úna Clancy, Carmen Arteaga, Daniela Jaime García, Will Hewins, Rachel Locherty, María Valdés Hernández, Stewart Wiseman, Michael Stringer, Michael J. Thrippleton, Francesca M. Chappell, Angela C.C. Jochems, Xiaodi Liu, Yajun Cheng, Junfang Zhang, Salvatore Rudilosso, Agniete Kampaite, Olivia KL Hamilton, Rosalind Brown, Mark E. Bastin, Susana Muñoz Maniega, Iona Hamilton, Dominic Job, Fergus Doubal, Joanna M. Wardlaw

Notice bibliographique

RevueNeurology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilUK Dementia Research InstituteFondation LeducqUniversity of EdinburghEuropean CommissionAlzheimer's SocietyBritish Heart FoundationMrs Gladys Row Fogo Charitable TrustWellcome Trust
Mots-clésStroke (engine)MedicineDiseaseCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Factors associated with cerebral small vessel disease (SVD) progression, including incident infarcts, are unclear. We aimed to determine the frequency of incident infarcts over 1 year after minor stroke and their relation to baseline SVD burden, vascular risks, and recurrent stroke and cognitive outcomes. METHODS: We recruited patients with lacunar or nondisabling cortical stroke. After diagnostic imaging, we repeated structural MRI at 3-6 monthly intervals for 12 months, visually assessing incident infarcts on diffusion-weighted imaging or FLAIR. We used logistic regression to determine associations of baseline vascular risks, SVD score, and index stroke subtype with subsequent incident infarcts. We assessed cognitive and functional outcomes at 1 year using Montreal Cognitive Assessment (MoCA) and modified Rankin scale (mRS), adjusting for baseline age, mRS, MoCA, premorbid intelligence, and SVD score. RESULTS: We recruited 229 participants, mean age 65.9 (SD 11.1). Over half of all participants, 131 of 229 (57.2%) had had an index lacunar stroke. From baseline to 1-year MRI, we detected 117 incident infarcts in n = 57/229 (24.8%) participants. Incident infarcts were mainly of the small subcortical (86/117 [73.5%] in n = 38/57 [66.7%]) vs cortical infarct subtype (n = 19/57 [33.3%]). N = 39/57 participants had incident infarcts at 1 visit; 18 of 57 at 2 or more visits; and 19 of 57 participants had multiple infarcts at a single visit. Only 7 of 117 incident infarcts corresponded temporally to clinical stroke syndromes. The baseline SVD score was the strongest predictor of incident infarcts (adjusted odds ratio [OR] 1.87, 95% CI 1.39-2.58), while mean arterial pressure was not associated. All participants with incident infarcts were prescribed an antiplatelet or anticoagulant. Lower 1-year MoCA was associated with lower baseline MoCA (β 0.47, 95% CI 0.33-0.61), lower premorbid intelligence, and older age. Higher 1-year mRS was associated with higher baseline mRS only (OR 5.57 [3.52-9.10]). Neither outcome was associated with incident infarcts. DISCUSSION: In the year after stroke in a population enriched for lacunar stroke, incident infarcts occurred in one-quarter and were associated with worse baseline SVD. Most incident infarcts detected on imaging did not correspond to clinical stroke/transient ischemic attack. Worse 1-year cognition and function were not associated with incident infarcts.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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'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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207