Systematic Review of Bilateral Benign Paroxysmal Positional Vertigo
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the success rates of canalith repositioning maneuvers (CRM) in the treatment of patients diagnosed with bilateral benign paroxysmal positional vertigo (BiBPPV). STUDY DESIGN: Systematic review. METHODS: A comprehensive search of only English studies in PubMed, Ovid (1946 to the present), and Embase (1974 to the present) databases was done up until January 1, 2021. Studies that diagnosed patients with BiBPPV specifically and evaluated the CRM success from all published years were included. Studies were excluded if follow-up was less than 6 months or if they failed to distinguish BiBPPV from ipsilateral multi-canal BPPV. A total of nine studies were included with a total study population of 325 patients. Included studies were evaluated for bias with the National Institutes of Health (NIH) Study Quality Assessment Tool. Success rates of CRM, number of treatments required, and disease recurrence rates were extracted. RESULTS: The overall success rate was compiled using a fixed-effect binary inverse variance model and was 95.2% (CI: 92.9%-97.5%). A qualitative review suggested treating the more affected side first on separate visits until resolved, followed by contralateral treatment (recommendation). The mean number of treatments was 2.9 (CI: 2.4-3.4), and the recurrence rate was 19.8% (CI: 11.7%-27.9%). There was a higher proportion of trauma etiology of BiBPPV compared to unilateral, with an odds ratio of 8.9 (CI: 5.1-15.3). CONCLUSIONS: Overall, this meta-analysis shows high success rates for CRM in the treatment of BiBPPV. Rates are similar to CRM efficacy for unilateral BPPV. Laryngoscope, 132:640-647, 2022.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 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 ».