Safety and effectiveness of vascular closure devices in interventional radiological procedures
Notice bibliographique
Résumé
Background Although it is well known that vascular closure devices (VCD) are commonly used in therapeutic interventional radiological procedures, standard use in diagnostic procedures is not as well studied. Purpose The aim of this study was to determine the real-world safety and effectiveness of the VCD in both diagnostic and therapeutic interventional radiological procedures. Materials and methods A retrospective, single center study included all patients where VCDs were used for either a diagnostic or therapeutic interventional procedure. Various demographic and clinical risk factors were recorded and examined for any significant association with successful deployment and complications. Results A total of 2072 patients were included. VCDs were successfully deployed in 95.2% of the patients with 4.8% of perioperative complications, which included minor oozing from the puncture site, small hematoma less than or equal to 5 cm, large hematoma greater than 5 cm, pain, and loss of vascular access. Therapeutic (vascular interventional radiology (VIR) and neuro-interventional radiology (NIR)) procedures (OR 3.03, 95% CI 1.51–6.09, p = 0.002), use of Angioseal (OR 5.26, 95% CI 3.13–8.33), p < 0.001), and no use of antiplatelet medications (OR 0.47, 95% CI 0.22–0.97, p = 0.041) were independently associated with successful deployment of VCDs when controlled for other risk factors. Smoking (OR 3.50, 95% CI 2.00–6.05, p = <0.001), use of antiplatelet (OR 2.01, 95% CI 1.04–3.87, p = 0.037) and use of heparin (OR 1.78, 95% CI 1.10–2.86, p = 0.018) were independently associated with higher complication rates. Conclusion VCD's were successfully deployed in 95.2% of the patients with 4.8% of perioperative minor complications.
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) | 0,000 | 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 | 0,000 |
| 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 ».