MRA versus DSA for the follow-up imaging of intracranial aneurysms treated using endovascular techniques: a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Treated aneurysms must be followed over time to ensure durable occlusion, as more than 20% of endovascularly treated aneurysms recur. While digital subtraction angiography (DSA) remains the gold standard, magnetic resonance angiography (MRA) is attractive as a non-invasive follow-up technique. Two different MRA techniques have traditionally been used: time-of-flight (TOF) and contrast-enhanced (CE) MRA. We analysed data from studies comparing MRA techniques with DSA for the follow-up of aneurysms undergoing endovascular treatment. Subgroup analysis of stent-assisted coiling (SAC) and flow diversion (FD) techniques was completed. METHODS: Comprehensive searches using the Embase, PubMed, and Cochrane databases were performed and updated to November 2018. Pooled sensitivity and specificity were calculated using aneurysm occlusion status as defined by the Raymond-Roy occlusion grading scale. RESULTS: The literature search yielded 1579 unique titles. Forty-three studies were included. For TOF-MRA, sensitivity and specificity of all aneurysms undergoing endovascular therapy were 88% and 94%, respectively. For CE-MRA, the sensitivity and specificity were 88% and 96%, respectively. For SAC and FD techniques, sensitivity and specificity of TOF-MRA were 86% and 95%, respectively. CE-MRA had sensitivity and specificity of 90% and 92%. CONCLUSION: MRA is a reliable modality for the follow-up of aneurysms treated using endovascular techniques. While the data are limited, MRA techniques can also be used to reliably follow patients undergoing FD and SAC. However, clinical factors must be used to optimize follow-up regimens for individual patients.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,031 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».