MétaCan
Menu
Retour à la cohorte
Enregistrement W7075715264

Cortical Venous Filling on Dynamic Computed Tomographic Angiography : A Novel Predictor of Clinical Outcome in Patients with Acute Middle Cerebral Artery Stroke

2016· article· en· W7075715264 sur OpenAlexaboutno aff

Notice bibliographique

RevueUtrecht University Repository (Utrecht University) · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMiddle cerebral arteryModified Rankin ScaleLogistic regressionStroke (engine)AngiographyConfidence intervalComputed tomographic angiographyComputed tomographic
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background and Purpose-Venous flow in the downstream territory of an occluded artery may influence patient prognosis after ischemic stroke. Our aim was to study cortical venous filling (CVF) in a time-resolved manner with dynamic computed tomographic angiography and to assess the relationship with clinical outcome. Methods-Patients with a proximal middle cerebral artery occlusion underwent noncontrast CT and whole-brain CT perfusion/dynamic CT angiography within 9 hours after stroke-onset. We defined poor outcome as a modified Rankin Scale score of ≥3. Association between the extent and velocity of CVF and poor outcome at 3 months was analyzed with Poisson-regression. Prognostic value of optimal CVF (maximum opacification of cortical veins) in addition to age, stroke severity, treatment, Alberta Stroke Program Early CT score, cerebral blood flow, and collateral status was assessed with logistic regression and summarized with the area under the curve. Results-Eighty-eight patients were included, with a mean age of 67 years. By combining the extent and velocity of optimal CVF, we observed a decreased risk of poor outcome in patients with good and fast optimal CVF, risk ratio of 0.5 (95% confidence interval, 0.3-0.7). Extent and velocity of optimal CVF had additional prognostic value (area under the curve, 0.88; 95% confidence interval, 0.77-0.98; P

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUtrecht University Repository (Utrecht University)Même sujetPrenatal Screening and DiagnosticsTravaux en français237 207