The Positive and Negative Predictive Value of Targeted Diagnostic Botox Injection in Nerve Decompression Migraine Surgery
Notice bibliographique
Résumé
BACKGROUND: Nerve decompression surgery is an effective treatment modality for patients who experience migraines. Botulinum toxin type A (Botox) injections have been traditionally used as a method to identify trigger sites; however, there is a paucity in data regarding its diagnostic efficacy. The goal of this study was to assess the diagnostic capacity of Botox in successfully identifying migraine trigger sites and predicting surgical success. METHODS: A sensitivity analysis was performed on all patients receiving Botox for migraine trigger site localization followed by a surgical decompression of affected peripheral nerves. Positive and negative predictive values were calculated. RESULTS: A total of 40 patients met our inclusion criteria and underwent targeted diagnostic Botox injection followed by a peripheral nerve deactivation surgery with at least 3 months' follow-up. Patients with successful Botox injections (defined as at least 50% improvement in Migraine Headache Index scores after injection) had significantly higher average reduction in migraine intensity (56.7% versus 25.8%; P = 0.020), frequency (78.1% versus 46.8%; P = 0.018), and Migraine Headache Index (89.7% versus 49.2%; P = 0.016) postsurgical deactivation. Sensitivity analysis shows that the use of Botox injection as a diagnostic modality for migraine headaches has a sensitivity of 56.7% and a specificity of 80.0%. The positive predictive value is 89.5% and the negative predictive value is 38.1%. CONCLUSIONS: Diagnostic targeted Botox injections have a very high positive predictive value. It is therefore a useful diagnostic modality that can help identify migraine trigger sites and improve preoperative patient selection. CLINICAL QUESTION/LEVEL OF EVIDENCE: Diagnostic, II.
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».