National trends in patient characteristics, interventional techniques and outcomes of endovascular treatment for acute ischaemic stroke: Final results of the MR CLEAN Registry (2014–2018)
Notice bibliographique
Résumé
INTRODUCTION: Endovascular thrombectomy (EVT) procedures and workflow have evolved over the years. We examined trends in patient characteristics, EVT techniques and outcomes over 5 years in the Netherlands. PATIENTS AND METHODS: Data from the MR CLEAN Registry (2014-2018) were analysed, including patients treated with EVT for anterior circulation acute ischaemic stroke (AIS). Patients were grouped by year of inclusion except for the linear regression analysis where the inclusion date was used. Baseline predicted probability of poor outcome (modified Rankin Scale (mRS) score 3-6) was calculated using a validated prediction model. Primary outcome was mRS score at 90 days. Secondary outcomes included workflow times, EVT techniques, successful reperfusion (eTICI ⩾ 2B) and symptomatic intracranial haemorrhage (sICH). Time trends were analysed using multivariable regression models (adjusted common odds ratios (acOR) per year). RESULTS: = 0.06). Over time, functional outcomes improved (acOR 1.14 per year, 95%CI: 1.09-1.20); mortality decreased (aOR 0.88 per year, 95%CI: 0.83-0.94). EVT under local anaesthesia increased (from 46% in 2014 to 70% in 2018; aOR 1.15, 95%CI: 1.10-1.22), as did use of direct aspiration (13%-36%; aOR 1.43, 95%CI: 1.35-1.53). Successful reperfusion became more frequent (aOR 1.32 per year, 95%CI: 1.25-1.40), despite needing more attempts (1 in 2014 vs 2 in 2018, aOR 0.93 per year, 95%CI: 0.89-0.98). Incidence of sICH remained unchanged (5% vs 5%, aOR 0.99 per year, 95%CI: 0.89-1.09). Time from emergency room to groin puncture reduced by 7 min per year (95%CI: 5-8). DISCUSSION AND CONCLUSION: Enhanced workflow and increased EVT experience may have led to shorter time to treatment and more frequent successful reperfusion, with better functional outcomes over 5 years, despite treating older, more dependent patients.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».