Effectiveness of pharmacologic interventions for prevention of cerebral hyperperfusion syndrome following bypass surgery
Notice bibliographique
Résumé
BACKGROUND: Cerebral hyperperfusion syndrome (CHS) following bypass surgery is a major cause of neurological morbidity and mortality. However, data regarding its prevention have not been assorted until date. OBJECTIVE: The objective of this study was to review the literature and evaluate whether any conclusion can be drawn regarding the effectiveness of any measure on preventing bypass-related CHS. METHODS: We systematically reviewed PubMed and Cochrane Library from September 2008 to September 2018 to collect data regarding the effectiveness of pharmacologic interventions on the refers to pretreatment (PRE) of bypass-related CHS. We categorized interventions regarding their class of drugs and their combinations and calculated overall pooled estimates of proportions of CHS development through random-effects meta-analysis of proportions. RESULTS: Our search yielded 649 studies, of which 23 fulfilled inclusion criteria. Meta-analysis included 23 studies/2,041 cases. In Group A (blood pressure [BP] control), 202 out of 1,174 pretreated cases developed CHS (23.3% pooled estimate; 95% confidence interval [CI]: 9.9-39.4), Group B (BP control + free radical scavenger [FRS]) 10/263 (0.3%; 95% CI: 0.0-14.1), Group C (BP control + antiplatelet) 22/204 (10.3%; 95% CI: 5.1-16.7), and Group D (BP control + postoperative sedation) 29/400 (6.8%; 95% CI: 4.4-9.6)]. CONCLUSIONS: BP control alone has not been proven effective in preventing CHS. However, BP control along with either a FRS or an antiplatelet agent or postoperative sedation seems to reduce the incidence of CHS.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».