Futile and Harmful Reperfusion and the Balance Between Treatment Effect and Overall Outcomes in Stroke
Notice bibliographique
Résumé
Over the past decades, ischemic stroke research has primarily focused on achieving rapid reperfusion. Endovascular thrombectomy has revolutionized the treatment paradigm for patients with large vessel occlusion, with recent trials showing benefit even in patients with large core at baseline. These findings have led some to advocate for reperfusion in all cases, regardless of infarct size and severity. We critically examine this line of reasoning and introduce 2 important caveats. First, in an individual patient, reperfusion does not necessarily or uniformly translate into meaningful improvement and favorable outcomes. The concept of futile reperfusion is real. As a corollary, trial results capture average effects, and individuals have a wider range of outcomes. Furthermore, results are often reported as relative rather than absolute treatment effects. As baseline prognosis worsens, the absolute likelihood of a good outcome may fall below a threshold where the intervention is no longer justified, despite a favorable relative treatment effect. Second, in a small subset of patients, reperfusion may actively worsen outcome; this is harmful reperfusion. While additional harm may seem negligible in such a high-risk population, this rationale is flawed as it encourages therapeutic actionism and violates the foundational medical ethical principle of primum non nocere. To advance patient care, we must move beyond a one-size-fits-all reperfusion model that focuses only on vessel reopening. Some patients might have infarcts that are simply too large (eg, >150 mL), ischemia that is too severe (eg, severe noncontrast computed tomography hypodensity), or comorbidities that overwhelm any potential benefit. A more nuanced approach requires a better understanding of tissue viability, perfusion physiology, and ischemic damage. This would allow for refined patient selection by leveraging advanced imaging and large-scale data sets to develop accurate models to predict treatment effect, that is, beneficial, futile, and harmful reperfusion.
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 | 0,063 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».