Arterial spin labeling-ASPECTS and a conventional MRI-based nomogram for predicting prognosis after surgical revascularization in Moyamoya disease
Notice bibliographique
Résumé
Objective This study aimed to explore the significant factors of prognosis in patients with Moyamoya disease (MMD) after surgical revascularization and to develop a nomogram model for predicting poor prognosis. Materials and methods We retrospectively analyzed magnetic resonance imaging (MRI) and clinical data of 128 patients with MMD. The patients were randomly assigned to training and validation cohorts in a ratio of 7:3. Multivariate logistic regression analysis was applied to identify factors significantly associated with prognosis. The predictive efficiencies of the models were evaluated using receiver operating characteristic (ROC) curves and compared using the Delong test. We then developed a nomogram model for prediction and verified it using a validation cohort. Results Preoperative arterial spin labeling (ASL)-Alberta Stroke Program Early computed tomography Score (ASL-ASPECTS), admission modified Rankin scale (mRS) score, ivy sign, and Houkin’s grade >2 were significantly associated with poor prognosis (mRS > 2). The areas under the curves (AUCs) for predicting poor prognosis were 0.772, 0.855, 0.899, and 0.994 for clinical, conventional MRI, ASL-based, and combination models, respectively. The results of the Delong test demonstrated the superior prediction ability of the combination model compared with the clinical, conventional MRI, and ASL models (all p < 0.001). Calibration curve analysis showed that the predictive probability of the nomogram model was highly consistent in the training cohort. The decision curve showed a net predictive benefit in the validation cohort. Conclusion Preoperative ASL-ASPECTS, admission mRS, ivy sign, and Houkin grade >2 were significantly associated with poor prognosis in patients with MMD after surgical revascularization. The nomogram model, including enrolled ASL-ASPECTS and MRI features, may help improve prognosis prediction.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».