CSF Leakage 환자의 자가 혈액을 이용한 경막외 혈액 색전술(Autologous blood embolization)
Notice bibliographique
Résumé
목적: 뇌척수액 누출로 경막외 혈액 색전술을 받은 환자들을 대상으로 뇌척수액 누출의 원인이 되는 진단명과 누출부위(leakage of spine level)에 따른 색전술의 치료 성과(Clinical success)를 평가하였다. 대상 및 방법: 2015년 1월부터 12월까지 본원에서 뇌척수액 누출로 인한 경막외 혈액 색전술을 시행한 56명의 환자를 대상으로 통증을 평가(NRS)하고 진단명(경막천자 후 두통, 자발성 두개내 저압, 경막하 혈종)과 Spine 누출 부위를 구분하여 후향적(Retrospective) 연구를 하였다.1ST 색전술 후 증상의 완전 경감(complete relief)이 있을 시 치료성과(Clinical success)가 있는 것으로 평가하였으며 실험의 통계적 유의성 평가를 위해 IBM SPSS statistics v18.0(Ontario, Canada)의 신뢰도분석(Reliability analysis)과 one-way ANOVA, Multiple regression analysis을 사용하여 치료성과에 영향을 주는 인자를 분석하였다. 결과: 환자들의 NRS Score는 평균 7점으로 Severe pain에 해당하였고 진단 별 치료 성과는 경막천자 후 두통 환자가 89%로 가장 높았으며 각 진단 별 비교 분석으로 경막하 혈종을 제외한 나머지 두 진단 군에서는 유의성이 있는 것으로 판단되었다. (p=0.006) 누출 부위에 따른 치료 성과는L-spine에서 82%으로 가장 높았으며 여러 부위에서 누출이 있는(Multi-level spine) 환자의 경우 1ST 색전술로 증상 경감 효과가 낮은 것으로 분석 되었으며 누출 부위 별 비교분석 결과 C-spine 제외한 나머지 두 누출 부위군에서는 유의성이 있는 것으로 판단되었다. (p=0.001) 치료성과 (Clinical success)의 영향인자(성별과 나이, 색전술 시행횟수, 진단명, 누출범위) 5가지를 Multiple regression analysis 분석 결과 시술 횟수가 많아질수록 치료 성과는 높아진다고 판단되었다. (p=0.001) 결론: 자가 혈액을 이용한 색전술의 치료 성과(Clinical success)는 요추 천자(spine level L3/4)로 발생한 경막천자 후 두통 환자에게서 높은 성공률을 보였으며 뇌척수액 누출환자의 진단과 누출부위(leakage of spine level)를 고려하여 실시한다면 효과적인 치료법이다.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».