Management strategies of unanticipated intracranial stenosis during mechanical thrombectomy for acute stroke: A survey of academic neurointerventionalists
Notice bibliographique
Résumé
BACKGROUND: The optimal approach to the management of intracranial atherosclerotic disease (ICAD) at the time of mechanical thrombectomy (MT) for large vessel occlusion (LVO) remains controversial. The goal of this study is to characterize current practices concerning this challenging clinical situation in a survey of practicing neurointerventionalists. METHODS: An electronic questionnaire was sent to a cross-section of North American academic neurointerventionalists using publicly available contact information and departmental websites. Prior to analysis, responses were anonymized and categorized by region. RESULTS: A total of 136/360 responses were recorded from the U.S. and Canada. The mean number of years of practicing as a neurointerventionalist among the respondents was 10.5 (± 6.2 years). ICAD was perceived as a causative factor during MT for LVO in 5-10% of thrombectomy cases. The most common first-line treatment approach for significant ICAD, assuming a TICI 2b or better reperfusion, was medical therapy (77.9% of respondents), followed by angioplasty + stent placement (8.8% of respondents). There were no significant differences in the first line treatment of ICAD in LVO between geographical regions (p = 0.815). CONCLUSION: The approach to underlying ICAD in LVO varies widely; however, the majority of neurointerventionalists prefer medical therapy with DAPT as a first-line treatment approach. The current survey highlights the need for studies that better define the optimal timing and modality of treatment, along with an evidence-based framework for balancing the risks associated with these treatment approaches.
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) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».