Characterizing In-Hospital Acute Ischemic Strokes: Clinical Profiles and Predictors of Acute Treatment
Notice bibliographique
Résumé
INTRODUCTION: Treatment of in-hospital acute ischemic stroke (AIS) is challenging. We aimed to characterize in-hospital AIS and identify predictors of receiving thrombolysis and thrombectomy. METHODS: We conducted an analysis of a retrospective cohort study using administrative data and chart review as part of the INPATIENTS study (Comparing In-Hospital and Community-Onset Strokes in Alberta). All in-hospital AIS patients admitted in the province between January 1, 2018, and December 31, 2022, were included. Clinical characteristics and quality of care measures were compared between treated and non-treated patients. We used multivariable logistic regression to identify predictors of acute treatment and assessed model performance using ROC curves and calibration plots. RESULTS: Only 7.3% (158 of 2,159) in-hospital AIS patients received thrombolysis or thrombectomy between 2018 and 2022. Treated patients had higher NIHSS scores (median 12 vs. 8), fewer recent invasive procedures (42% vs. 53%), and were less likely to have altered consciousness (12.0% vs. 52.1%). Common reasons for not receiving thrombolysis included delayed recognition and recent procedures. Treated patients more often received standard stroke evaluation. The final logistic regression model included age, sex, NIHSS, altered consciousness, admitting service, and comorbidities as predictors of treatment. It showed good discrimination (AUC = 0.8371), though calibration issues may affect its generalizability. CONCLUSION: In-hospital AIS patients treated with thrombolysis and thrombectomy had more severe strokes, were less likely to have altered consciousness, and more often received standard stroke evaluations than non-treated patients. These differences emphasize the need to better understand barriers and develop new approaches to in-hospital stroke management.
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 | 0,000 | 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 | 0,000 |
| 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 ».