Vasoactive Agents for the Management of Variceal Bleeding: A Mixed Treatment Comparison Network Meta-analysis and Trial Sequential Analysis of Randomized Clinical Trials
Notice bibliographique
Résumé
BACKGROUND: Vasoactives such as terlipressin, somatostatin, vasopressin, octreotide and nitrates are commonly used to treat variceal bleeding. The present study is a network meta-analysis comparing the efficacy and safety of the above vasoactive agents for treating variceal bleeding. METHODS: Electronic databases were searched for appropriate randomized clinical trials evaluating vasoactives in cirrhotic patients with variceal bleeding. Random-effects model was used to generate the pooled estimates. Mortality was the primary outcome and bleeding control, re-bleeding rate, hospital stay, blood transfusion requirements and adverse events were the secondary outcome measures. RESULTS: Fifty randomized clinical trials were included of which 37 were included for the primary outcome. The overall analysis did not reveal any significant difference in the mortality risk between any of the vaso-active drugs except for terlipressin that had statistically significant benefits from direct pooled estimates. Somatostatin and terlipressin showed significant reduction in the mortality risks at 24 h. Terlipressin significantly reduced re-bleeding rate; somatostatin and vasopressin were associated with better hemostasis; and terlipressin and vasopressin significantly reduced the requirement for blood transfusion. Terlipressin, vasopressin and glyceryltrinitrate/vasopressin were also associated with increased risk of adverse events. CONCLUSION: Terlipressin could be the best agent in the vasoconstrictor category for managing variceal bleeding. Somatostatin and vasopressin can serve as alternatives.
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 | 0,025 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».