Improvements in endovascular stroke treatment workflow over 5 years: ESCAPE to ESCAPE-NA1
Notice bibliographique
Résumé
Background and Purpose Rapid treatment is a major determinant of outcome in acute ischemic stroke patients with large vessel occlusion. We used patient-level data from the ESCAPE and ESCAPE-NA1 trials to evaluate whether and to what extent workflow interval times have improved over time. Methods Data were derived from the ESCAPE and the ESCAPE-NA1 randomized trials. Workflow interval times and reperfusion quality were summarized using descriptive statistics and compared on a patient level between the two trials using the Wilcoxon rank sum test and Fisher's exact test. The effect of patient baseline characteristics, including patient age, sex and stroke severity as measured by the National Institutes of Health Stroke Scale, on workflow times was determined using linear regression. Results All patients from the ESCAPE trial ( n = 315) and the ESCAPE-NA1 trials ( n = 1105) were included in the analysis. For endovascular interval times, control patients from the ESCAPE trial were excluded. All in-hospital workflow interval times, including door-to-reperfusion times, were significantly shorter in ESCAPE-NA1 (median 91 min [IQR 69–120] vs. 110 [IQR 89–143], P < .001). These improvements were mainly observed in patients directly presenting to an EVT-capable hospital. Onset-to-randomization times did not differ significantly between the two trials (ESCAPE-NA1: median 188 [122–319] vs. ESCAPE: 174 [119–285], P = .152). There was no effect of procedural sedation use, age, sex, stroke severity or evidence of a learning effect over the duration of each trial. Conclusion Workflow interval times in endovascular stroke treatment have significantly improved over time, particularly in patients directly presenting to an EVT-capable hospital.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».