Differential Risk Factors for Hematoma Expansion in Deep and Lobar Intracerebral Hemorrhage
Notice bibliographique
Résumé
BACKGROUND: Understanding the risk factors for hematoma expansion (HE) in different regions of intracerebral hemorrhage (ICH) can help in the development of more accurate HE prediction tools and in implementing more effective clinical treatment interventions. This study aims to investigate the risk factors for HE in patients with lobar and deep ICH. METHODS: A retrospective analysis was conducted on 558 cases of primary supratentorial ICH from Tongji Hospital Affiliated to Tongji University. Patients were categorized into lobar ICH and deep ICH groups. Differential analysis of ICH characteristics at different locations was performed, followed by subgroup analysis based on HE occurrence. Binary logistic regression was used to identify independent risk factors for HE in each group. RESULTS: Among the 404 patients with ICH who underwent follow-up noncontrast computed tomography (NCCT) scans, the proportion with HE was similar in the deep ICH group (23.2%) and the lobar ICH group (22.7%). Binary logistic regression analysis revealed that fluid level (odds ratio [OR] 4.77, 95% confidence interval [CI] 1.74-13.06), admission Glasgow Coma Scale score (OR 0.87, 95% CI 0.80-0.96), and time from onset to NCCT examination (OR 0.84, 95% CI 0.75-0.94) were independently associated with HE in the deep ICH group. In the lobar ICH group, irregular shape (OR 4.96, 95% CI 1.37-18.01) and fibrinogen level (OR 0.42, 95% CI 0.21-0.86) were significant risk factors. CONCLUSIONS: Fluid level, low admission Glasgow Coma Scale score, and shorter time from onset to NCCT are independent predictors of HE in deep ICH, whereas irregular shape and low fibrinogen levels are independent predictors of HE in lobar ICH. These findings are of great significance for elucidating the mechanisms underlying HE in different locations of ICH and for developing precise predictive models of HE.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».