MétaCan
Menu
Retour à la cohorte
Enregistrement W7084038776 · doi:10.6084/m9.figshare.30205252

Supplementary Material for: Characterizing In-Hospital Acute Ischemic Strokes: Clinical Profiles and Predictors of Acute Treatment

2025· dataset· en· W7084038776 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueSemiotics and Representation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThrombolysisLogistic regressionStroke (engine)Acute strokeCohortRetrospective cohort studyLevel of consciousnessClinical trial

Résumé

récupéré en direct d'OpenAlex

Background and Objectives Treatment of in-hospital acute ischemic strokes (AIS) is challenging. We aimed to characterize in-hospital AIS and identify predictors of receiving thrombolysis and thrombectomy. Methods We conducted an analysis of a retrospective cohort study using administrative data and chart review as part of the INPATIENTS study (Comparing In-Hospital and Community-Onset Strokes in Alberta). All in-hospital AIS patients admitted in the province between January 1, 2018 and December 31, 2022 were included. Clinical characteristics and quality of care measures were compared between treated and non-treated patients. We used multivariable logistic regression to identify predictors of acute treatment and assessed model performance using ROC curves and calibration plots. Results Only 7.3% (158 of 2,159) in-hospital AIS patients received thrombolysis or thrombectomy between 2018-2022. Treated patients had higher NIHSS scores (median 12 vs. 8), fewer recent invasive procedures (42% vs. 53%), and were less likely to have altered consciousness (12.0% vs. 52.1%). Common reasons for not receiving thrombolysis included delayed recognition and recent procedures. Treated patients more often received standard stroke evaluation. The final logistic regression model included age, sex, NIHSS, altered consciousness, admitting service, and comorbidities as predictors of treatment. It showed good discrimination (AUC = 0.8371), though calibration issues may affect its generalizability. Discussion In-hospital AIS patients treated with thrombolysis and thrombectomy had more severe strokes, were less likely to have altered consciousness, and more often received standard stroke evaluations than non-treated patients. These differences emphasize the need to better understand barriers and develop new approaches to in-hospital stroke management.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,964

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0370,000

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 Opus0,049
Tête enseignante GPT0,329
Écart entre enseignants0,280 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetSemiotics and Representation StudiesTravaux en français237 207