MétaCan
Menu
Retour à la cohorte
Enregistrement W4406992963 · doi:10.1161/str.56.suppl_1.155

Abstract 155: Misdiagnosis in Cervical Artery Dissection: Analysis of STOP-CAD Study

2025· article· en· W4406992963 sur OpenAlexaff
Ekaterina Bakradze, Liqi Shu, Shadi Yaghi, Thanh Lam Tran, Ross Crandall, Evan Lester, Daniel Mandel, James E. Siegler, Mary Penckofer, Ava L. Liberman, Thalia S. Field, Farhan Khan, Wayneho Kam, Brian Mac Grory, Faddi Saleh Velez, Nils Henninger, Cheran Elangovan, Balaji Krishnaiah, Preet Gandhi, Reza Bavarsad Shahripour, Malik Ghannam, Mirjam R. Heldner, Antonenko Katheryna, Aaron Rothstein, Issa Metanis, Edgar A. Samaniego, Michele Romoli, Zedde Marialuisa, Thanh N. Nguyen, Farid Khasiyev, Ossama Khazaal, Mohammad AlMajali, Adeel Zubair, Marwa Elnazeir, João Pedro Marto, Omair ul haq Lodhi, Ahmad Nehme, James Giles, Setareh Salehi Omran

Notice bibliographique

RevueStroke · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineCervical ArteryCADDissection (medical)Vertebral artery dissectionStroke (engine)SurgeryRadiologyCardiology

Résumé

récupéré en direct d'OpenAlex

Background: Cervical artery dissection (CeAD) accounts for a quarter of strokes in young adults. Clinical presentation is often non-specific, leading to a significant proportion of cases being misdiagnosed. This study aims to identify factors contributing to potential misdiagnosis and to assess the impact of misdiagnosis on patient outcomes. Methods: This is a secondary analysis of the Antithrombotics for Stroke Prevention in Cervical Artery Dissection (STOP-CAD), a multicenter cross-sectional international retrospective study of adult patients presenting to an acute care hospital and diagnosed with CeAD. Misdiagnosis of CeAD was determined by identifying any medical encounters for symptoms attributable to the CeAD within the 30 days preceding the diagnosis. Strokes occurring during the interval between the initial misdiagnosis encounter and the final diagnosis date were recorded. We used multivariable regression to identify factors associated with misdiagnosis. The primary outcome was ischemic stroke after CeAD diagnosis. Secondary outcomes included death and excellent functional outcome at 90 days, defined as a modified Rankin Scale (mRS) score <2. Multivariable logistic regression analysis was used to assess the association between misdiagnosis and above outcomes. Results: Of the 4023 patients included in the STOP-CAD study, 4012 were included in this analysis; mean age was 47.5 (+/-13.3) years and 44.6% (1788) were woman. Among these, 663 patients (16.5%) had medical encounters within the 30 days preceding the diagnosis (misdiagnosis group) and 224 (33.8%) had an ischemic stroke after the initial medical encounter but before the CeAD diagnosis. Misdiagnosed patients were younger (OR 0.89, 95% CI 0.83-0.95, p<0.001), more likely to have a history of migraine (OR 1.35, 95% CI 1.09-1.67, p=0.007), present with headache (OR 1.43, 95% CI 1.19-1.71, p<0.001) and less likely to present with signs and symptoms concerning for cerebral ischemia (OR 0.68, 95% CI 0.56-0.83, p<0.001). There was no significant difference in outcomes between the two groups in adjusted analyses: ischemic stroke (aOR 0.96, 95%CI 0.63-1.48, p=0.87), mRS<2 (aOR 1.04, 95% CI 0.76-1.44, p=0.80) and death (aOR 0.58, 95% CI 0.19-1.8, p=0.34). Conclusion: One in six patients who were ultimately diagnosed with CeAD experienced a possible misdiagnosis. Factors associated with a higher likelihood of misdiagnosis included younger age, a history of migraine, and a non-ischemic clinical presentation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,099
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

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

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 GPT0,255
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetAnatomy and Medical TechnologyTravaux en français237 207