Performance diagnostique de l'IRM dans les transformations hémorragiques post accidents ischémiques cérébraux (PITHA) - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Access content directly
Master Thesis Year : 2020

Diagnostic performance of MRI for hemorrhagic transformation after acute ischemic stroke

Performance diagnostique de l'IRM dans les transformations hémorragiques post accidents ischémiques cérébraux (PITHA)

Abstract

Introduction: CT is the first-line test to detect hemorrhagic transformation (HT) after acute ischemic stroke (AIS) and influence their management. MRI is taking an increasing place in this indication. We have therefore studied the diagnostic performance of MRI and its concordance with CT. Patients and Methods: Our retrospective monocentric study conducted in the Neuroradiology Department of Rothschild Foundation Hospital consecutively included all patients followed by MRI and CT scan of the brain spaced less than 36 hours apart less than 4 days after a stroke between June 2017 and July 2019. A blind reading of the clinic's imaging data allowed the classification of MRI signal abnormalities according to a newly created SWI classification and CT hyperdensities according to the ECASS classification. Results: 94 patients were included of which 53.2% were male with a median NIHSS of 15.5. The median age was 76 years. The mean time between MRI and CT scan was 8 hours. 63 patients (67%) had visible TH in SWI versus 29 (31%) in CT. The SWI sequence had high sensitivity (97%) and negative predictive value (97%) but low specificity (46%). After categorization of TH according to the classification created, the agreement between MRI and CT for detection of PH2 TH is moderate (kappa = 0.54) with a sensitivity of 80% and specificity of 94%. Conclusion: MRI detects twice as much TH as CT but with poor specificity. The use of a classification dedicated to MRI allows to increase its specificity and its concordance with CT.
Introduction : la TDM cérébrale est l’examen de première intention pour détecter une transformation hémorragique (TH) après un accident vasculaire cérébral ischémique (AVCi) et influer sur sa prise en charge. L’IRM prend une place croissante dans cette indication. Nous avons donc étudié les performances diagnostiques de l’IRM ainsi que sa concordance par rapport à la TDM. Patients et méthode : notre étude monocentrique rétrospective menée dans le service de neuroradiologie de la Fondation Rothschild a inclus consécutivement entre juin 2017 et juillet 2019 tous les patients suivis par IRM et TDM cérébrales distant de moins de 36 heures dans les 4 jours suivant un AVCi. Une lecture des imageries en aveugle de la clinique a permis de classer les anomalies de signal en IRM selon une classification SWI nouvellement créée et les hyperdensités en TDM selon la classification ECASS. Résultats : 94 patients ont été inclus dont 53.2 % d’hommes avec un NIHSS médian de 15.5. L’âge médian était de 76 ans. Le délai moyen entre l’IRM et la TDM était de 8 heures. 63 patients (67 %) avaient une TH visible en SWI contre 29 (31 %) en TDM. La séquence SWI a des sensibilité (97 %) et valeur prédictive négative élevées (97 %) mais une faible spécificité (46 %). Après catégorisation des TH selon la classification créée, la concordance entre IRM et TDM pour la détection des TH PH2 est modérée (kappa = 0.54) avec une sensibilité de 80 % et spécificité de 94 %. Conclusion : l’IRM détecte deux fois plus de TH que la TDM avec une mauvaise spécificité. L’utilisation d’une classification dédiée à l’IRM permet d’augmenter sa spécificité et sa concordance par rapport à la TDM.
Fichier principal
Vignette du fichier
BRAUX Gregoire.pdf (6.83 Mo) Télécharger le fichier

Dates and versions

dumas-03201986 , version 1 (19-04-2021)

Identifiers

  • HAL Id : dumas-03201986 , version 1

Cite

Grégoire Braux. Performance diagnostique de l'IRM dans les transformations hémorragiques post accidents ischémiques cérébraux (PITHA). Médecine humaine et pathologie. 2020. ⟨dumas-03201986⟩
48 View
71 Download

Share

Gmail Facebook X LinkedIn More