Đánh giá một số bất thường giải phẫu đa giác Willis và mối liên quan với tuần hoàn bàng hệ ở bệnh nhân nhồi máu não cấp
Bibliographic record
Abstract
Mục tiêu: Đánh giá các bất thường của đa giác Willis và mối liên quan với tuần hoàn bàng hệ (THBH) ở bệnh nhân nhồi máu não (NMN) cấp. Đối tượng và phương pháp: Tiến hành ở 136 bệnh nhân NMN tại Khoa Đột quỵ, Bệnh viện Quân y 103 từ tháng 11/2021 đến tháng 7/2022. Bệnh nhân được chụp cắt lớp vi tính mạch máu não (CTA) 3 pha trong vòng 7 ngày đầu từ khi khởi phát đột quỵ. Đánh giá mức độ THBH trên phim chụp CTA 3 pha theo thang điểm Calgary và các bất thường của đa giác Willis; xác định mối liên quan giữa mức độ THBH với bất thường của đa giác Willis. Kết quả: Các bất thường của đa giác Willis gặp ở 57,4% bệnh nhân. Trong đó hay gặp nhất là thiểu sản động mạch thông sau (Pcom) 2 bên với 16,2%, tiếp đến là thiểu sản động mạch thông sau 1 bên với 13,2%. Tỷ lệ THBH tốt cao nhất ở nhóm không có bất thường đa giác Willis và giảm dần theo các nhóm thiểu sản động mạch thông sau 1 bên, thiểu sản động mạch thông sau 2 bên, bất sản động mạch thông sau 1 bên và bất sản động mạch thông sau 2 bên (94,8%, 83,3%, 68,2%, 58,8% và 50%). Kết luận: Các bất thường của đa giác Willis gặp ở 57,4% bệnh nhân. Tỷ lệ THBH tốt cao nhất ở nhóm không có bất thường đa giác Willis và giảm ở các nhóm có thiểu sản, bất sản động mạch.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.377 | 0.186 |
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".