Impact of workflow times on successful reperfusion after endovascular treatment in the late time window
Notice bibliographique
Résumé
Background and Purpose Successful and complete reperfusion should be the aim of every endovascular thrombectomy (EVT) procedure. However, the effect of time delays on successful reperfusion in late window stroke patients presenting 6-to-24 h from onset has not been investigated. Materials and Methods We pooled individual patient-level data from seven trials and registries for anterior circulation stroke patients treated with EVT between 6 and 24 h from onset. We explored the impact of delays across multiple interval times, including onset to hospital arrival; hospital arrival to arterial puncture; imaging to arterial puncture; and onset to arterial puncture. Our primary outcome was successful reperfusion, defined as a modified thrombolysis in cerebral infarction (mTICI) score of 2b–3. Logistic regression analyses were performed to assess the association between each of the interval times and successful reperfusion. Results We included 608 patients. The median age was 70 years (IQR 58–79), and 307 (50.5%) were females. Successful reperfusion was achieved in 494 (81.2%) patients. Patients with successful reperfusion had lower NIHSS scores (median 15 [IQR11–19] vs 17 [11–21], p = .02) and significantly shorter hospital arrival to arterial puncture time (90 min [60–150] vs 110 min [84.5–150], p = .01) than unsuccessful reperfusion. The odds of successful reperfusion decreased by 15% for every one-hour delay in arrival-to-puncture time (adjusted odds ratio 0.85, 95% CI: 0.75–0.95). Other workflow times did not impact the rate of successful reperfusion. Conclusion Faster hospital arrival to arterial puncture time is associated with higher odds of successful reperfusion in late window stroke patients.
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 | 0,001 | 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 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 ».