Early venous filling is associated with unfavorable outcomes in acute ischemic stroke with large vessel occlusion after mechanical thrombectomy: a real-world analysis
Notice bibliographique
Résumé
BACKGROUND: The presence of early venous filling (EVF) post-mechanical thrombectomy (MT) in acute ischemic stroke (AIS) patients has been observed, yet its prognostic value for clinical outcomes remains underexplored. This study aimed to assess the correlation between EVF and poor clinical outcomes in AIS patients who underwent MT. MATERIALS AND METHODS: This retrospective analysis included AIS patients with large vessel occlusions treated with MT at the First Affiliated Hospital of Xi'an Jiaotong University from January 2018 to June 2023. The primary outcome was mRS at 90 days, secondary outcomes included hemorrhagic transformation, symptomatic intracranial hemorrhage, and malignant brain edema. The study used inverse probability weighting for balancing baseline characteristics and employed univariate and multivariate logistic regression analyses to explore the association between EVF and clinical outcomes. G*Power was used to calculate the sample size. RESULTS: Among 307 patients, 75 (24.4%) presented with EVF. Patients with EVF had significantly higher rates of unfavorable outcomes at 90 days (76.00% vs. 46.12%, P < 0.001). Multivariate analysis revealed significant associations between EVF and unfavorable outcome (odds ratio [OR] = 2.69, 95%CI [1.37-5.26], P = 0.004), hemorrhagic transformation (OR = 3.11, 95%CI [1.73-5.62], P < 0.001), symptomatic intracranial hemorrhage (OR = 3.24, 95%CI 1.42 to 7.37, P = 0.005), and malignant brain edema (OR = 3.06, 95%CI [1.56-6.01], P = 0.001). Stratified analysis showed EVF group with a baseline Alberta Stroke Program Early CT (ASPECT) score of ≤ 8 exhibited a higher risk of unfavorable outcomes compared with patients in the non-EVF group (OR = 2.64, 95%CI [1.03-6.73], P = 0.042). Mediation analysis indicated that malignant brain edema accounted for 35.42% of the correlation between EVF and unfavorable outcomes. CONCLUSIONS: This study establishes EVF as an independent risk factor for unfavorable outcomes after MT in AIS. Therefore, EVF in conjunction with a low ASPECT score provides essential insights for identifying patients at high risk for unfavorable 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».