Heparin dosing is associated with diffusion weighted imaging lesion load following aneurysm coiling
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Diffusion weighted imaging (DWI) may be used to evaluate post-coiling ischemia. Heparinization protocols for cerebral aneurysm coiling procedures differ among operators and centers, with little literature surrounding its effect on DWI lesions. The goal of this study was to determine which factors, including heparinization protocols, may affect DWI lesion load post-coiling. MATERIALS AND METHODS: A review of 135 coiling procedures over 5 years at our centre was performed. Procedural data including length of procedure, number of coils used, stent or balloon assistance and operators were collected. Procedures were either assigned as using a bolus dose (>2000 U at any one time) or small aliquots of heparin (≤2000 U). Postprocedure DWI was reviewed and lesions were classified as small (< 5mm), medium (5-10 mm) or large (>10 mm). The cases were then classified into group 1 (≤5 small lesions) or group 2 (>5 small lesions or ≥1 medium or large lesion). Multivariate regression of the procedural variables for the two groups was calculated. A p value of <0.05 was considered significant. RESULTS: There were 78 procedures in group 1 and 57 procedures in group 2. Patients who received small aliquots (n=37) versus boluses of heparin (n=98) intraprocedurally had significantly greater frequency and size of DWI lesions (p=0.03). None of the other procedural variables was found to impact on lesion load. CONCLUSIONS: More substantial DWI lesions were associated with small aliquots of heparin dosage compared with bolus doses. Heparin boluses should be preferentially administered during aneurysm coiling.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».