Predictive Modeling of Symptomatic Intracranial Hemorrhage Following Endovascular Thrombectomy: Insights From the Nationwide TREAT-AIS Registry
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Symptomatic intracranial hemorrhage (sICH) following endovascular thrombectomy (EVT) is a severe complication associated with adverse functional outcomes and increased mortality rates. Currently, a reliable predictive model for sICH risk after EVT is lacking. METHODS: This study used data from patients aged ≥20 years who underwent EVT for anterior circulation stroke from the nationwide Taiwan Registry of Endovascular Thrombectomy for Acute Ischemic Stroke (TREAT-AIS). A predictive model including factors associated with an increased risk of sICH after EVT was developed to differentiate between patients with and without sICH. This model was compared existing predictive models using nationwide registry data to evaluate its relative performance. RESULTS: Of the 2,507 identified patients, 158 developed sICH after EVT. Factors such as diastolic blood pressure, Alberta Stroke Program Early CT Score, platelet count, glucose level, collateral score, and successful reperfusion were associated with the risk of sICH after EVT. The TREAT-AIS score demonstrated acceptable predictive accuracy (area under the curve [AUC]=0.694), with higher scores being associated with an increased risk of sICH (odds ratio=2.01 per score increase, 95% confidence interval=1.64-2.45, P<0.001). The discriminatory capacity of the score was similar in patients with symptom onset beyond 6 hours (AUC=0.705). Compared to existing models, the TREAT-AIS score consistently exhibited superior predictive accuracy, although this difference was marginal. CONCLUSION: s The TREAT-AIS score outperformed existing models, and demonstrated an acceptable discriminatory capacity for distinguishing patients according to sICH risk levels. However, the differences between models were only marginal. Further research incorporating periprocedural and postprocedural factors is required to improve the predictive accuracy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».