MétaCan
Menu
Retour à la cohorte
Enregistrement W4361292160 · doi:10.1016/j.wnsx.2023.100189

Clinical efficacy of endovascular treatment approach in patients with carotid cavernous fistula: A systematic review and meta-analysis

2023· review· en· W4361292160 sur OpenAlexaff
Aryoobarzan Rahmatian, Shirin Yaghoobpoor, Arian Tavasol, Komeil Aghazadeh-Habashi, Zahra Hasanabadi, Matin Bidares, Borna Safari‐Kish, Robert M. Starke, Evan Luther, Mohammadreza Hajiesmaeili, Fatemeh Sodeifian, Tara Fazel, Mina Dehghani, Reza Ramezan, Masood Zangi, Niloofar Deravi, Reza Goharani, Mobina Fathi

Notice bibliographique

RevueWorld Neurosurgery X · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueVascular Malformations Diagnosis and Treatment
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesShahid Beheshti University of Medical SciencesCotton Research and Development Corporation
Mots-clésMedicineChemosisCarotid-cavernous fistulaMeta-analysisCavernous sinusSurgeryPresentation (obstetrics)CohortInternal medicine

Résumé

récupéré en direct d'OpenAlex

Carotid-cavernous fistulas (CCFs) represent a group of rare, abnormal arteriovenous communications between the carotid arterial system and the cavernous sinuses (CS). CCFs often produce ophthalmologic symptoms related to increased CS pressures and retrograde venous drainage of the eye. Although endovascular occlusion remains the preferred treatment for symptomatic or high-risk CCFs, most of the data for these lesions is limited to small, single-center series. As such, we performed a systematic review and meta-analysis evaluating endovascular occlusions of CCFs to determine any differences in clinical outcomes based on presentation, fistula type, and treatment paradigm. A retrospective review of all studies discussing the endovascular treatment of CCFs published through March 2023 was conducted using PubMed, Scopus, Web of Science, and Embase databases. A total of 36 studies were included in the meta-analysis. Data from the selected articles were extracted and analyzed using Stata software version 14. 1494 patients were included. 55.08% were female and the mean age of the cohort was 48.10 years. A total number of 1516 fistulas underwent endovascular treatment, 48.05% of which were direct and 51.95% of which were indirect. 87.17% of CCFs were secondary to a known trauma while 10.18% were spontaneous. The most common presenting symptoms were 89% exophthalmos (95% CI: 78.0–100.0; I2 = 75.7%), 84% chemosis (95% CI: 79.0–88.0; I2 = 91.6%), 79% proptosis (95% CI: 72.0–86.0; I2 = 91.8%), 75.0% bruits (95% CI: 67.0–82.0; I2 = 90.7%), 56% diplopia (95% CI: 42.0–71.0; I2 = 92.3%), 49% cranial nerve palsy (95% CI: 32.0–66.0; I2 = 95.1%), 39% visual decline (95% CI: 32.0–45.0; I2 = 71.4%), 32% tinnitus (95% CI: 6.0–58.0; I2 = 96.7%), 29% elevated intraocular pain (95% CI: 22.0–36.0; I2 = 0.0%), 31% orbital or pre-orbital pain (95% CI: 14.0–48.0; I2 = 89.9%) and 24% headache (95% CI: 13.0–34.0; I2 = 74.98%). Coils, balloons, and stents were the three most used embolization methods respectively. Immediate complete occlusion of the fistula was seen in 68% of cases and complete remission was seen in 82%. Recurrence of CCF occurred in only 35% of the patients. Cranial nerve paralysis after treatment was observed in 7% of the cases. Exophthalmos, Chemosis, proptosis, bruits, cranial nerve palsy, diplopia, orbital and periorbital pain, tinnitus, elevated intraocular pressure, visual decline and headache are the most common clinical manifestations of CCFs. The majority of endovascular treatments involved coiling, balloons and onyx and a high percentage of CCF patients experienced complete remission with the improvement of their clinical symptoms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,666
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0160,007
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,354
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Neurosurgery XMême sujetVascular Malformations Diagnosis and TreatmentTravaux en français237 207