Digital Subtraction Angiography‐Dynavision in Pretreatment Planning for Embolization of Dural Arterio‐Venous Fistulas
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: We have found DSA-Dynavision with multiplanar reconstruction very helpful in understanding the complex anatomy and planning of treatment of carotico-cavernous fistulas. The purpose of our study was to examine whether using DSA-Dynavision in pretreatment planning results in better outcome after endovascular treatment of dural arterio-venous fistulas (dAVFs). METHODS: Patients with dAVF treated with endovascular embolization were retrospectively identified from our interventional neuroradiology database. Patients were assessed and divided into those with DSA-Dynavision and those without. They were compared for procedural time, angiographic evidence of cure, rates of resolution of cortical venous reflux (CVR), complications, and need for postembolization surgery. RESULTS: Eighty-six percent of 28 patients (mean age 57 years, range 1.67-84 years) had Borden type 3 DAVF; 7% had Borden type 2; and 7% had Borden type 1. DSA-Dynavision was used in 14 of 28 (50%) patients. Fewer patients with DSA-Dynavision required postendovascular embolization surgery (7% vs. 50%, P = .01) and fewer DSA-Dynavision patients had CVR postprocedure (29% vs. 71%, P = .023). Mean procedural time (207 vs. 249 minutes; P = .40); permanent neurological complication rates (7% vs. 7%, P = 1.0); rate of immediate angiographic occlusion (64% vs. 29%, P = .061), and reported resolution of symptoms (79% vs. 53%, P = .18) were not significantly different. There was no significant difference in follow-up (mean: 75 vs 120 weeks, P = .47). CONCLUSION: The use of DSA-Dynavision in planning of endovascular treatment of dAVF is associated with higher rates of elimination of CVR and less need for postembolization surgery.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».