Uncertainty exists over the size of potential beneficial effects of medical treatments targeting hematoma growth in intracerebral hemorrhage (ICH). We report associations of hematoma growth parameters on clinical outcomes in the pilot phase, Intensive Blood Pressure Reduction in Acute Cerebral Hemorrhage Trial (INTERACT1) (ClinicalTrials.gov NCT00226096).In randomized patients with both baseline and 24-hour brain CT (n = 335), associations between measures of absolute and relative hematoma growth and 90-day poor outcomes of death and dependency (modified Rankin Scale score 3-5) were assessed in logistic regression models, with data reported as odds ratios (OR) and 95% confidence intervals (CI).A total of 10.7 mL (1 SD) increase in hematoma volume over 24 hours was strongly associated with poor outcome (adjusted OR 1.72, 95% CI 1.19-2.49; p = 0.004). An association was also evident for relative growth (adjusted OR 1.67, 95% 1.22-2.27; p = 0.001 for 1 SD increase). The analyses were adjusted for age, sex, achieved systolic blood pressure, elevated NIH Stroke Scale score (≥ 14), hematoma location, baseline hematoma volume, intraventricular extension, antithrombotic therapy, baseline glucose, time from ICH to baseline CT scan, and time from baseline to repeat CT scan. A 1 mL increase in hematoma growth was associated with a 5% (95% CI 2%-9%) higher risk of death or dependency.Medical treatments, such as rapid intensive blood pressure lowering, could achieve ∼2-4 mL absolute attenuation of hematoma growth. There is hope that this could translate into modest but still clinically worthwhile (∼10%-20% better chance) outcome from ICH.

Despite the great socioeconomic burden of stroke, there have been few reports of stroke statistics in Korea. In this scenario, the Epidemiologic Research Council of the Korean Stroke Society launched the "Stroke Statistics in Korea" project, aimed at writing a contemporary, comprehensive, and representative report on stroke epidemiology in Korea. This report contains general statistics of stroke, prevalence of behavioral and vascular risk factors, stroke characteristics, pre-hospital system of care, hospital management, quality of stroke care, and outcomes. In this report, we analyzed the most up-to-date and nationally representative databases, rather than performing a systematic review of existing evidence. In summary, one in 40 adults are patients with stroke and 232 subjects per 100,000 experience a stroke event every year. Among the 100 patients with stroke in 2014, 76 had ischemic stroke, 15 had intracerebral hemorrhage, and nine had subarachnoid hemorrhage. Stroke mortality is gradually declining, but it remains as high as 30 deaths per 100,000 individuals, with regional disparities. As for stroke risk factors, the prevalence of smoking is decreasing in men but not in women, and the prevalence of alcohol drinking is increasing in women but not in men. Population-attributable risk factors vary with age. Smoking plays a role in young-aged individuals, hypertension and diabetes in middle-aged individuals, and atrial fibrillation in the elderly. About four out of 10 hospitalized patients with stroke are visiting an emergency room within 3 hours of symptom onset, and only half use an ambulance. Regarding acute management, the proportion of patients with ischemic stroke receiving intravenous thrombolysis and endovascular treatment was 10.7% and 3.6%, respectively. Decompressive surgery was performed in 1.4% of patients with ischemic stroke and in 28.1% of those with intracerebral hemorrhage. The cumulative incidence of bleeding and fracture at 1 year after stroke was 8.9% and 4.7%, respectively. The direct costs of stroke were about ₩1.68 trillion (KRW), of which ₩1.11 trillion were for ischemic stroke and ₩540 billion for hemorrhagic stroke. The great burden of stroke in Korea can be reduced through more concentrated efforts to control major attributable risk factors for age and sex, reorganize emergency medical service systems to give patients with stroke more opportunities for reperfusion therapy, disseminate stroke unit care, and reduce regional disparities. We hope that this report can contribute to achieving these tasks. Keywords: Stroke; Statistics; Epidemiology

Accurate classification of ischemic stroke subtype is important for effective secondary prevention of stroke. We used diffusion-weighted image (DWI) and atrial fibrillation (AF) data to train a deep learning algorithm to classify stroke subtype.

Abstract Stroke is the leading cause of long-term disability worldwide. Incurred brain damage disrupts cognition, often with persisting deficits in language and executive capacities. Despite their clinical relevance, the commonalities, and differences of language versus executive control impairments remain under-specified. We tailored a Bayesian hierarchical modeling solution in a largest-of-its-kind cohort (1080 stroke patients) to deconvolve language and executive control in the brain substrates of stroke insults. Four cognitive factors distinguished left- and right-hemispheric contributions to ischemic tissue lesion. One factor delineated language and general cognitive performance and was mainly associated with damage to left-hemispheric brain regions in the frontal and temporal cortex. A factor for executive control summarized control and visual-constructional abilities. This factor was strongly related to right-hemispheric brain damage of posterior regions in the occipital cortex. The interplay of language and executive control was reflected in two factors: executive speech functions and verbal memory. Impairments on both were mainly linked to left-hemispheric lesions. These findings shed light onto the causal implications of hemispheric specialization for cognition; and make steps towards subgroup-specific treatment protocols after stroke.

Abstract Ischemic cerebrovascular events often lead to aphasia. Previous work provided hints that such strokes may affect women and men in distinct ways. Women tend to suffer strokes with more disabling language impairment, even if the lesion size is comparable to men. In 1,401 patients, we isolated data-led representations of anatomical lesion patterns and hand-tailored a Bayesian analytical solution to carefully model the degree of sex divergence in predicting language outcomes ∼3 months after stroke. We located lesion-outcome effects in the left-dominant language network that highlight the ventral pathway as a core lesion focus across different tests of language performance. We provide newly detailed evidence for sex-specific brain-behavior associations in the domain-general networks associated with cortico-subcortical pathways, with unique contributions of the fornix in women and cingular fiber bundles in men. Our collective findings suggest diverging white matter substrates in how stroke causes language deficits in women and men. Clinically acknowledging such sex disparities has the potential to improve personalized treatment for stroke patients worldwide.

Background This study investigated the impact of premorbid functional dependency on post-stroke mortality in patients with anterior circulation stroke (ACS) and posterior circulation stroke (PCS). Methods This study enrolled 9,698 patients who experienced ischemic stroke between January 2011 and December 2022. The patients were classified into the ACS and PCS groups. Premorbid functional dependency was defined as modified Rankin Scale of ≥3. The risks of premorbid functional dependency and mortality at 3 months and 1-year post-stroke were assessed. A subgroup analysis was further performed to evaluate the risk of premorbid functional dependency in patients who underwent intravenous thrombolysis and endovascular treatment (EVT). Results Among 6,358 patients with ACS and 3,340 with PCS, those with premorbid dependency were older, predominantly female, and had a higher proportion of vascular risk factors and stroke severity. Premorbid functional dependency was associated with increased mortality at both 3 months and 1 year in the PCS (odds ratio [OR], 1.79; 95% confidence interval [CI], 1.00–3.13; P=0.04 and OR, 2.87; 95% CI, 1.86–4.38; P<0.001, respectively), but not in the ACS (OR, 1.08; 95% CI, 0.77–1.51; P=0.639 and OR, 1.22; 95% CI, 0.93–1.59; P=0.140, respectively) group. Among patients who underwent EVT, premorbid functional dependency increased the risk of mortality at 1 year in the ACS group (OR, 1.80; 95% CI, 1.04–3.08; P=0.034), but was not associated with the risk in the PCS group (OR, 2.56; 95% CI, 0.64–10.15; P=0.176). Conclusions Premorbid functional dependency increases the risk of mortality in patients with PCS. Key Words: Ischemic stroke; Mortality; Stroke

To date, only a few small studies have attempted deep learning-based automatic segmentation of white matter hyperintensity (WMH) lesions in patients with cerebral infarction, which is complicated because stroke-related lesions can obscure WMH borders. We developed and validated deep learning algorithms to segment WMH lesions accurately in patients with cerebral infarction, using multisite datasets involving 8,421 patients with acute ischemic stroke.

Understanding the effectiveness of statin treatment is essential for developing tailored stroke prevention strategies. We aimed to evaluate the efficacy of statin treatment in preventing recurrent stroke among patients with various ischemic stroke subtypes. Using data from the Clinical Research Collaboration for Stroke-Korea-National Institute for Health (CRCS-K-NIH) registry, we included patients with acute ischemic stroke admitted between January 2011 and July 2020. To evaluate the differential effects of statin treatment based on the ischemic stroke subtype, we analyzed patients with large artery atherosclerosis (LAA), cardio-embolism (CE), and small vessel occlusion (SVO). The primary outcomes were recurrent ischemic stroke and recurrent stroke events. The hazard ratio for outcomes between statin users and nonusers was compared using a Cox proportional hazards model adjusted for covariates. A total of 46,630 patients who met the inclusion criteria were analyzed. Statins were prescribed to 92%, 93%, and 78% of patients with LAA, SVO, and CE subtypes, respectively. The hazards of recurrent ischemic stroke and recurrent stroke in statin users were reduced to 0.79 (95% confidence interval [CI], 0.63-0.99) and 0.77 (95% CI, 0.62-0.95) in the LAA subtype and 0.63 (95% CI, 0.52-0.76) and 0.63 (95% CI, 0.53-0.75) in CE subtype compared to nonusers. However, the hazards of these outcomes did not significantly decrease in the SVO subtype. The effectiveness of statin treatment in reducing the risk of recurrent stroke in patients with LAA and CE subtypes has been suggested. Nonetheless, no significant effect was observed in the SVO subtype, suggesting a differential effect of statins on different stroke subtypes.

Acute stroke demands prompt diagnosis and treatment to achieve optimal patient outcomes. However, the intricate and irregular nature of clinical data associated with acute stroke, particularly blood pressure (BP) measurements, presents substantial obstacles to effective visual analytics and decision-making. Through a year-long collaboration with experienced neurologists, we developed PhenoFlow, a visual analytics system that leverages the collaboration between human and Large Language Models (LLMs) to analyze the extensive and complex data of acute ischemic stroke patients. PhenoFlow pioneers an innovative workflow, where the LLM serves as a data wrangler while neurologists explore and supervise the output using visualizations and natural language interactions. This approach enables neurologists to focus more on decision-making with reduced cognitive load. To protect sensitive patient information, PhenoFlow only utilizes metadata to make inferences and synthesize executable codes, without accessing raw patient data. This ensures that the results are both reproducible and interpretable while maintaining patient privacy. The system incorporates a slice-and-wrap design that employs temporal folding to create an overlaid circular visualization. Combined with a linear bar graph, this design aids in exploring meaningful patterns within irregularly measured BP data. Through case studies, PhenoFlow has demonstrated its capability to support iterative analysis of extensive clinical datasets, reducing cognitive load and enabling neurologists to make well-informed decisions. Grounded in long-term collaboration with domain experts, our research demonstrates the potential of utilizing LLMs to tackle current challenges in data-driven clinical decision-making for acute ischemic stroke patients.