Risk Factors and a Prediction Model for Hemorrhagic Transformation in Acute Ischemic Stroke With Atrial Fibrillation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To identify the risk factors of hemorrhagic transformation (HT) and to establish a prediction model for HT in patients with acute ischemic stroke (AIS) and atrial fibrillation (AF). METHODS: From January 2015 to December 2018, patients with AIS and AF were enrolled. Demographics, lesion features, and blood test results were collected. Univariate and multivariate logistic regression analyses were used to identify the independent risk factors of HT. The receiver operating curve (ROC) curve was utilized to determine the cutoff values and the efficiency of the variables. A predictive model was subsequently developed based on the identified independent risk factors. RESULTS: A total of 259 patients were included. Age [odds ratio (OR): 1.094; 95% CI: 1.048-1.142; P <0.001], LDL-C (OR: 0.633; 95% CI: 0.407-0.983; P =0.042), uric acid (OR: 0.996; 95% CI: 0.991-0.999; P =0.031), Alberta Stroke Program Early CT Score (ASPECTS) (OR: 0.700; 95% CI: 0.563-0.870; P <0.001), cerebral cortex infarction (OR: 0.294; 95% CI: 0.168-0.515; P <0.001), and massive cerebral infarction (OR: 3.683; 95% CI: 3.025-5.378; P <0.001) were independently associated with HT. We have developed a model incorporating these variables. The area under the curve of the predictive model was 0.87 (95% CI: 0.83-0.92), demonstrating satisfactory predictive ability with a sensitivity of 83.5% and a specificity of 76.4%. CONCLUSIONS: Our predictive model, which integrates age, LDL-C, uric acid, ASPECTS, cerebral cortex infarction, and massive cerebral infarction, can be used to predict HT after AIS in patients with AF, thereby facilitating the mitigation of adverse outcomes.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle