Prognostic Prediction Model of Patients With AcUte Stroke undeRgoing EndOvascular TheRApy (AURORA)

MI-összefoglaló

A vizsgálat saját részvételi feltételeiből. Gép olvasta ki az oldalon álló regiszterszövegből, ezért tévedhet. Hogy ki vehet részt, azt a lenti regiszterszöveg és a vizsgálat csapata dönti el.

A vizsgálat olyan felnőtteket keres, akiknek az agy egyik nagy artériájának elzáródása miatt alakult ki szélütésük, és endovaszkuláris kezelést kapnak. A vizsgálat modellt készít a felépülés előrejelzésére.

Életkor

18–100 év

Nem

Minden nem részt vehet.

A betegség stádiuma

Heveny iszkémiás szélütés, képalkotó vizsgálattal (CTA/MRA/DSA) igazolt nagy agyi artéria elzáródással. NIHSS pontszám legalább 4. ASPECT vagy PC-ASPECT pontszám legalább 3.

Korábbi kezelés

A személy endovaszkuláris kezelést kap (artériás vagy mechanikus trombolízis, illetve angioplasztika). A beavatkozás általában a tünetek kezdetétől számított 8 órán belül (agy elülső része) vagy 12 órán belül (hátsó része) történik; a későbbi eseteket képalkotással ítélik meg.

A részvétel fő kizáró okai

• A szélütés előtt mRS pontszám 2 felett
• Agyi vérzés, például agyvérzés vagy subarachnoidalis vérzés
• Alvadási zavar, korábbi szisztémás vérzés, alacsony vérlemezke- vagy neutrofilszám
• Súlyos vesebetegség (a kreatinin a normál felső határ több mint 2-szerese)
• Súlyos szív- vagy tüdőbetegség, 3 hónapnál rövidebb várható élettartam, terhesség vagy szoptatás

A regiszter feltételei, szó szerint

Nézd meg, megfelelhetsz-e

Magadról válaszolj. Ez nem döntés: hogy részt vehetsz-e, azt csak a vizsgálat csapata mondhatja meg.

• 18 és 100 év között vagy?IgenNem

Mit akar kideríteni a vizsgálat

Stroke is the leading cause of disability-adjusted life years (DALYs) in China, imposing a heavy burden on society and families. Endovascular therapy (EVT) has opened the 2.0 era of acute ischemic stroke (AIS) treatment, but still up to 1/3 of patients have poor neurological prognosis. The results of several studies at home and abroad and by our team indicate that anesthesia method and perioperative management are one of the key factors affecting the neurological prognosis of EVT treatment in AIS patients. Based on machine learning big data analysis methods, a prognostic model for EVT treatment of AIS patients can be established to guide individualized treatment decisions. Current prediction models only include patients' baseline variables, and lack the inclusion of intraoperative (anesthesia management and interventional process) and postoperative (intensive monitoring treatment) variables, which limits the clinical application of prediction tools. We will establish a large prospective cohort database including preoperative, intraoperative, and postoperative variables, integrate heterogeneous information from multiple sources based on artificial intelligence machine learning algorithms, and build prognostic prediction models with better clinical applicability and calibration, with the aim of optimizing perioperative management of endovascular therapy, guiding individualized clinical decision-making, and improving patients' clinical prognosis.