Abstract 414: Association of atrophy, lacunes, and white matter hyperintensities with outcomes after thrombectomy: A Bayesian analysis
Notice bibliographique
Résumé
Introduction/Purpose Cerebral small vessel disease (CSVD) markers, including brain atrophy, lacunes, and white matter hyperintensities (WMH), are common in patients with ischemic stroke and may influence recovery after mechanical thrombectomy (MT). Their independent association with post‐MT outcomes remains controversial. We sought to evaluate whether CSVD markers assessed on sensitive pre‐treatment MRI are associated with 90‐day poor outcomes (modified Rankin scale mRS 3‐6), post‐MT parenchymal hematoma (PH), and symptomatic intracerebral hemorrhage (SICH). Materials/Methods We conducted a retrospective multicenter, multinational study of consecutive patients with anterior circulation large vessel occlusion who underwent MT and had pre‐treatment MRI. Brain atrophy was graded using the Pasquier scale, WMH using the Fazekas scale, and lacunes were rated as absent or present according to STRIVE‐2 criteria. The primary outcome was poor outcomes at 90 days. Secondary outcomes included ipsilateral PH and SICH during the acute hospitalization. Associations were assessed using multivariable Bayesian logistic regression, adjusting for age, sex, baseline mRS, acute infarct volume, intravenous thrombolysis, symptom onset time, and mTICI 2b‐3 successful reperfusion. Results are presented as Bayesian odds ratios (ORs) with 95% credible intervals (CrIs) and posterior probabilities of association (Pr[OR>1]). Results Among 479 patients (median age 72 years [IQR, 59‐80]; 46% female; 50% received intravenous thrombolysis; 83% achieved successful reperfusion), lacunes were independently associated with poor outcomes (OR=1.87, 95%CrI=1.26‐3.10, Pr[OR>1]=0.99). Brain atrophy (OR=1.80, 95%CrI=1.00‐3.26, Pr[OR>1]=0.99) and moderate‐to‐severe WMH (OR=1.77, 95%CrI=1.01‐3.13, Pr[OR>1]=0.98) were also associated with higher probabilities of poor outcomes (Table 1). With regard to hemorrhagic transformation, WMH showed posterior probabilities suggestive of associations with PH (OR=1.83, 95%CrI=0.81‐4.17, Pr[OR>1]=0.93) and with SICH (OR=2.61, 95%CrI=0.72‐9.85, Pr[OR>1]=0.93). Atrophy (PH: OR=0.49, 95%CrI=0.21‐1.18, Pr[OR>1]=0.08; SICH: OR=0.81, 95%CrI=0.23‐3.02, Pr[OR>1]=0.38) and lacunes (PH: OR=0.95, 95%CrI=0.45‐1.71, Pr[OR>1]=0.45; SICH: OR=1.15, 95%CrI=0.34‐3.90, Pr[OR>1]=0.52) did not appear to be associated with PH or SICH, with posterior probabilities close to 0.5 and wide CrIs. Conclusion In a large dataset of patients with pre‐MT MRI, lacunes were independently associated with 90‐day poor outcomes; atrophy and WMH were also associated with high posterior probabilities of worse functional outcomes. Furthermore, WMH showed suggestive links to PH and SICH. These SVD markers are not contraindications to thrombectomy, but may refine prognostic stratification to guide clinical counseling and warrant further exploration in future studies to understand microvascular vulnerability of ischemic tissue. image
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 | 0,030 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».