Treatment of anterior cerebral artery and anterior communicating artery aneurysms with flow-diversion devices: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: To assess the early safety and efficacy of anterior cerebral artery (ACA) and anterior communicating artery (ACoA) aneurysm treatment with flow-diversion devices (FDDs), we performed a systematic review and meta-analysis for these aneurysms. EVIDENCE ACQUISITION: A literature search was performed by a reference librarian, and, after screening, eight case series were included for meta-analysis. We estimated from each study the cumulative incidence (event rate) and 95% confidence interval (CI) for each outcome. Event rates were pooled in a meta-analysis across studies using the random-effects model; descriptive statistics were reported when relevant. EVIDENCE SYNTHESIS: 129 ACA and ACoA aneurysms from 8 series were included. Technical success rate of 96% (95% CI: 0.93 to 1.00) and a technical complication rate was 3% (95% CI: 0.00 to 0.06). Perioperative rates of ischemic stroke, hemorrhagic stroke, morbidity, and mortality were 3% (95% CI: 0.00 to 0.06), 5% (95% CI: 0.01 to 0.08), 3% (95% CI: 0.00 to 0.06 and 2% (95% CI: 0.00 to 0.05), respectively. The rate of treatment-related, long-term neurological deficit was 4% (95% CI: 0.01 to 0.07). Complete occlusion rate at last radiological follow-up was 79% (95% CI: 0.68 to 0.91). CONCLUSIONS: FDDs are an acceptable tool for the treatment of ACA and ACoA aneurysms with high rates of technical success and low rates of periprocedural morbidity and mortality. Comparative studies with longer-term follow-up are needed to clarify the role of these devices in the management of ACA and ACoA aneurysms in patients with challenging comorbidities.
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) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».