Ischemic Stroke in Young Adults in India: Predictors of Recurrence and Functional Outcome
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Ischemic stroke (IS) in young is increasingly recognized as an important health problem in low- and middle-income countries (LMICs). Limited data is available from LMICs about the predictors of outcome and recurrence of IS in young. The study aims to assess the predictors of short-term and long-term functional outcome and the recurrence of the first-ever IS and transient ischemic attack in young. METHODS: The clinical, radiological data, functional outcome, and recurrence of 569 IS patients aged 18-50 years were recorded. The etiological classification was done. The functional outcome was assessed using the modified Rankin scale (mRS), with a good outcome being mRS 0-2. Logistic regression was used to analyze the predictors of recurrence and outcome. RESULTS: The most common risk factors were hypertension (40.3%) and diabetes mellitus (34.3%). Stroke of undetermined etiology (33.6%) was the most common etiological subtype. Among the cardioembolic subtypes, rheumatic heart disease constituted 47.4%. A good functional outcome at 1 year was seen in 76.3%. While baseline stroke severity predicted both the 3-month and 1-year functional outcome, age ≥40 years and male gender predicted poor outcome at 1 year. The risk of recurrent strokes at 1 year was 2.5%. On multiple logistic regression analysis, diabetes mellitus independently predicted recurrent vascular events at 1 year (odds ratio = 2.43, 95% confidence interval 1.07-5.50). CONCLUSIONS: We found a good functional outcome with a relatively low recurrence at 1 year among young IS patients. Baseline stroke severity, age, and male gender predicted a poor 1-year functional outcome.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».