Intrapleural fibrinolytic therapy (IPFT) in loculated pleural effusions—analysis of predictors for failure of therapy and bleeding: a cohort study
Notice bibliographique
Résumé
OBJECTIVES: To assess risk factors associated with failure and bleeding in intrapleural fibrinolytic therapy (IPFT) for pleural effusions. DESIGN: Retrospective case series. SETTING: Two tertiary-care centres in North America. PARTICIPANTS: We identified 237 cases that received IPFT for the treatment of pleural effusions. Data for 227 patients were compiled including demographics, investigations, radiological findings pretherapy and post-therapy and outcomes. INTERVENTION: Fibrinolytic therapy in the form of tissue plasminogen activator (t-PA) or streptokinase. PRIMARY AND SECONDARY OUTCOMES: Success of therapy is defined as the presence of both clinical and radiological improvement leading to resolution. Failure was defined as persistence (ie, ineffective treatment) or complications requiring intervention from IPFT. Incidence of bleeding post-IPFT, identifying factors related to failure of therapy and bleeding. RESULTS: IPFT was used in 237 patients with pleural effusions; 163 with empyema/complicated parapneumonic effusions, 32 malignant effusions and 23 with haemothorax. Overall, resolution was achieved in 80% of our cases. Failure occurred in 46 (20%) cases. Multivariate analysis revealed that failure was associated with the presence of pleural thickening (>2 mm) on CT scan (p=0.0031, OR 3, 95% CI 1.46 to 6.57). Bleeding was not associated with any specific variable in our study (antiplatelet medications, p=0.08). CONCLUSIONS: Pleural thickening on a CT scan was found to be associated with failure of IPFT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».