The relationship between clinical and demographic data and CHA2DS2-VASc score of patients with stroke of unknownsource who had PAF on 24-hour rhythm holter ECG
Bibliographic record
Abstract
GİRİŞ ve AMAÇ: İskemik inmelerin yaklaşık %25’inin nedeni bilinmemektedir. Birçok çalışmada nedeni bilinmeyen inmelerin %11-30’da paroksismal atriyal fibrilasyonu (PAF) saptanmıştır. Genel topluma göre inme geçirme riski PAF olanlarda iki kat fazladır. Atriyal fibrilasyonu olan hastalarda CHA2DS2VAS skoru inme riskini belirlemede kullanılır. Bizde bu çalışmada nedeni bilinmeyen inme geçiren ve 24 saatlik ritim holter elektrokardiyografi (EKG)’de PAF saptadığımız hastaların klinik ve demografik verilerinin CHA2DS2VAS skoru ile ilişkisini araştırmayı amaçladık. YÖNTEM ve GEREÇLER: Çalışmaya 2017-2019 yıllarında iskemik inme tanısıyla servisimizde yatırılan etiyolojisi belirlenemeyen ve 24 saatlik ritim holter EKG’de PAF saptanan hastalar dahil edildi. Demografik verileri kaydedilerek, CHA2DS2VAS skoru, NIHSS (National Institues Of Healt Stroke Scale Scores) değerleri, ASPECT (The Alberta Stroke Program Early CT Score) değerleri, mRS (modifiye Rankin Skalası) hesaplandı. Demografik, klinik ve görüntüleme verilerinin CHA2DS2VAS skoru ile ilişkisi karşılaştırıldı. BULGULAR: Çalışmamıza katılan 48 hastanın yaş ortalaması 67.10 ±12,05 idi. Hastaların %52,1 (n: 25)’i kadın, %48,9 (n: 23)’u erkekti. Hastaların en sık geliş şikayetleri kol ve bacakta güçsüzlük, konuşmada bozulma, bilinç bozukluğunun olmasıydı. Hastaların %6,3 (n: 3)’ ünde konjestif kalp yetmezliği (KKY), %29,2 (n: 14)’sinde diyabetus mellitus (DM), %75 (n: 36)’inde hipertansiyon (HT), %27,1 (n: 13)’ inde vasküler hastalık vardı. CHA2DS2VAS skoru üzerinde yaşın etkisi en belirgindi (β: 0,676, p<0,01), ardından DM ve KKY’nin etki oranı yüksek olarak saptandı.TARTIŞMA ve SONUÇ: Çalışmamızda CHA2DS2VAS skoru üzerinde en etkili faktörün yaş olduğu saptandı. Bu da nedeni bilinmeyen inme hastalarında 24 saatlik ritim holter EKG de PAF saptama oranının yaş arttıkça arttığını göstermekteydi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".