GIÁ TRỊ CỦA MỘT SỐ THANG ĐIỂM TRONG DỰ BÁO MỨC ĐỘ HỒI PHỤC CỦA BỆNH NHÂN ĐỘT QUỴ NHỒI MÁU NÃO
Bibliographic record
Abstract
Mục tiêu: Đánh giá mối tương quan giữa mức độ hồi phục của bệnh nhân (BN) đột quỵ nhồi máu não (ĐQNMN) với một số thang điểm đột quỵ (ĐQ). Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang có theo dõi dọc trên 307 BN ĐQNMN điều trị tại Bệnh viện Quân y 17 từ tháng 01/2022 - 12/2023. BN được đánh giá lâm sàng tại thời điểm vào viện bằng các thang điểm GCS (Glasgow), NIHSS (National Institute of Health Stroke Scale), Barthel, Orgogozo và ASPECT (Alberta Stroke Program Early CT Score) (dựa trên hình ảnh chụp CT và/hoặc MRI não). Mức độ hồi phục được đánh giá bằng thang điểm Rankin sửa đổi (mRS) tại thời điểm ra viện và 01 tháng sau ra viện. Kết quả: Tuổi trung bình của BN nghiên cứu là 62,88 ± 11,85, trong đó, 64,8% < 70 tuổi. Nam giới chiếm 58,6% với tỷ lệ nam/nữ là 1,42/1. Phân tích hồi quy cho thấy chỉ có mức độ nặng lâm sàng tính theo thang điểm NIHSS lúc vào viện có mối tương quan độc lập với mức độ hồi phục (tính bằng mRS) ở thời điểm ra viện và 01 tháng sau ra viện, có ý nghĩa thống kê (p < 0,05) với độ chính xác của mô hình là 95% và 81,3%. Các phương trình hồi quy tuyến tính của mRS (ra viện và 01 tháng sau ra viện) theo thang điểm NIHSS lúc vào viện cũng có độ chính xác là 94,8% và 78,8% (p < 0,05). Kết luận: Thang điểm NIHSS có giá trị dự báo mức độ hồi phục ở BN ĐQNMN tại thời điểm ra viện và 01 tháng sau ra viện.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.396 | 0.183 |
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".