MétaCan
Menu
Retour à la cohorte
Enregistrement W4414699324 · doi:10.5797/jnet.oa.2025-0068

Predictors of Futile Recanalization after Mechanical Thrombectomy for Embolism-Related Large Vessel Occlusion in the Anterior Circulation

2025· article· en· W4414699324 sur OpenAlexaboutno aff
Takanori Sano, Kazuto Kobayashi, Hiroshi Tanemura, Tomoki Ishigaki, Fumitaka Miya

Notice bibliographique

RevueJournal of Neuroendovascular Therapy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOcclusionDiabetes mellitusStroke (engine)Multicenter studyIschemic strokeCirculation (fluid dynamics)

Résumé

récupéré en direct d'OpenAlex

Objective: Futile recanalization (FR)-a poor functional outcome despite successful reperfusion after mechanical thrombectomy (MT)-remains a significant issue in acute ischemic stroke owing to large vessel occlusion. This study aimed to identify predictors of FR, focusing on CT perfusion (CTP) parameters using our institutional retrospective data. Methods: Patients who underwent MT at our institution between April 2015 and February 2023 were retrospectively reviewed. FR was defined as a 90-day modified Rankin Scale (mRS) score of 3-6 despite successful reperfusion (modified thrombolysis in cerebral infarction ≥2b). Patients with internal carotid artery (ICA) or M1 segment of the middle cerebral artery occlusion, pre-stroke mRS 0-2, stroke etiology classified as cardioembolic or embolic stroke of undetermined source, and available CTP were included. The ischemic core was defined as cerebral blood volume (CBV) <1.0 mL/100 g on CTP, and the Alberta Stroke Program Early CT Score (ASPECTS) was also evaluated. Clinical, imaging, and procedural variables were compared between the FR group and those with a favorable outcome (mRS 0-2) after successful reperfusion. Multivariable logistic regression was performed, including imaging markers and variables with p <0.1 in univariate analyses as covariates. Receiver-operating characteristic (ROC) analyses determined thresholds for ASPECTS and CBV-defined core volume, followed by sensitivity analyses. Results: A total of 531 patients underwent MT during the study period, of whom 136 met the inclusion criteria (mean age 78 ± 11 years, 70 women, 46 ICA occlusions, median ASPECTS 9; interquartile range, 7-10). FR was observed in 69 patients (50.8%). Compared with the favorable outcome group, the FR group had significantly older age, higher baseline NIHSS scores, higher prevalence of diabetes mellitus, lower ASPECTS, larger CBV-defined core volumes, and a greater total number of device passes. Multivariable logistic regression identified older age, higher NIHSS, diabetes mellitus, and a greater total number of device passes as consistently independent predictors of FR. ROC analysis identified CBV-defined core volume ≥28.5 mL as an independent predictor of FR (area under the curve [AUC] 0.62, p = 0.013; adjusted odds ratio [aOR] 3.09, 95% confidence interval [CI] 1.23-8.28; p = 0.02); this association remained significant at ≥30 mL (aOR 2.82, 95% CI 1.14-7.33; p = 0.02) but not at ≥40 mL. ASPECTS ≤8 was also associated with FR (AUC 0.64, p = 0.002; aOR 2.92, 95% CI 1.20-7.44; p = 0.02). Conclusion: Older age, baseline stroke severity, diabetes mellitus, and multiple device passes were major predictors of FR. Among imaging markers, a CBV-defined core volume of approximately 30 mL emerged as a clinically relevant threshold associated with increased FR risk. These findings suggest that integrating clinical, procedural, and imaging factors may help optimize patient selection, although validation in larger, multicenter studies is warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,270
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroendovascular TherapyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207