Effects of reperfusion grade and reperfusion strategy on the clinical outcome: Insights from ESCAPE-NA1 trial
Notice bibliographique
Résumé
BACKGROUND: We evaluated the association of reperfusion quality and different patterns of achieved reperfusion with clinical and radiological outcomes in the ESCAPE NA1 trial. METHODS: Data are from the ESCAPE-NA1 trial. Good clinical outcome [90-day modified Rankin Scale (mRS) 0-2], excellent outcome (90-day mRS0-1), isolated subarachnoid hemorrhage, symptomatic hemorrhage (sICH) on follow-up imaging, and death were compared across different levels of reperfusion defined by expanded Treatment in Cerebral Infarction (eTICI) Scale. Comparisons were also made between patients with (a) first-pass eTICI 2c3 reperfusion vs multiple-pass eTICI 2c3; (b) final eTICI 2b reperfusion vs eTICI 2b converted-to-eTICI 2c3; (c) sudden reperfusion vs gradual reperfusion if >1 pass was required. Multivariable logistic regression was used to test associations of reperfusion grade and clinical outcomes. RESULTS: Of 1037 included patients, final eTICI 0-1 was achieved in 46 (4.4%), eTICI 2a in 76 (7.3%), eTICI 2b in 424 (40.9%), eTICI 2c in 284 (27.4%), and eTICI 3 in 207 (20%) patients. The odds for good and excellent clinical outcome gradually increased with improved reperfusion grades (adjOR ranging from 5.7-29.3 and 4.3-17.6) and decreased for sICH and death. No differences in outcomes between first-pass versus multiple-pass eTICI 2c3, eTICI 2b converted-to-eTICI 2c3 versus unchanged eTICI 2b and between sudden versus gradual eTICI 2c3 reperfusion were observed. CONCLUSION: Better reperfusion degrees significantly improved clinical outcomes and reduced mortality, independent of the number of passes and whether eTICI 2c3 was achieved suddenly or gradually.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».