PREDICTORS OF POOR OUTCOME AFTER THROMBECTOMY IN ACUTE ISCHEMIC STROKE PATIENTS
Notice bibliographique
Résumé
Objective: Timely and effective recanalization of the occluded vessel is of importance for acute ischemic stroke patients. However, Successful recanalization (SR) is not always associated with good prognosis. We aimed to explore predictive factors of poor outcome of successful recanalization after thrombectomy in patients with acute anterior circulation large-vessel occlusion.Method: Between January 2016 and October 2018, the eligible patients with SR were retrospectively enrolled. Poor outcome was defined as modified Rankin Scale (mRS) of 3 to 6 at 90 days. We used univariate and multivariate logistic regression analysis to explore risk factors of poor outcome.Results: We enrolled 76 patients with SR (mean age: 64.34 u00b1 14.90, 46 males). The proportion of patients with poor outcome was 57.9% (44/76). The multivariable logistic regression showed systolic blood pressure (SBP) (OR, 1.03; 95% CI, 1.00-1.07; P=0.041), baseline National Institutes of Health Stroke Scale (NIHSS) score (OR, 1.17; 95% CI, 1.04-1.31; P=0.007 ), and blood glucose levels (OR, 1.80; 95% CI, 1.09u20132.96; P=0.022 ) were the predictive factors of poor outcome, while baseline Alberta Stroke Program Early CT Score (ASPECTS) was the protective factor. (OR, 0.49; 95% CI, 0.33u20130.73; P<0.001). Conclusion: High SBP, high NIHSS, high blood glucose and low ASPECTS were associated with poor outcome despite successful recanalization after thrombectomy in patients with acute ischemic stroke. Further large sample studies are needed.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».