A systematic review and meta-analysis on the efficacy of glibenclamide in animal models of intracerebral hemorrhage
Notice bibliographique
Résumé
Intracerebral hemorrhage (ICH) is a devastating stroke with many mechanisms of injury. Edema worsens outcome and can lead to mortality after ICH. Glibenclamide (GLC), a sulfonylurea 1- transient receptor potential melastatin 4 (Sur1-Trpm4) channel blocker, has been shown to attenuate edema in ischemic stroke models, raising the possibility of benefit in ICH. This meta-analysis synthesizes current pre-clinical (rodent) literature regarding the efficacy of post-ICH GLC administration (vs. vehicle controls) on behaviour (i.e., neurological deficit, motor, and memory outcomes), edema, hematoma volume, and injury volume. Six studies (5 in rats and 1 in mice) were included in our meta-analysis (PROSPERO registration = CRD42021283614). GLC significantly improved behaviour (standardized mean difference (SMD) = -0.63, [-1.16, -0.09], n = 70-74) and reduced edema (SMD = -0.91, [-1.64, -0.18], n = 70), but did not affect hematoma volume (SMD = 0.0788, [-0.5631, 0.7207], n = 18-20), or injury volume (SMD = 0.2892, [-0.4950, 1.0734], n = 24). However, these results should be interpreted cautiously. Findings were conflicted with 2 negative and 4 positive reports, and Egger regressions indicated missing negative edema data (p = 0.0001), and possible missing negative behavioural data (p = 0.0766). Experimental quality assessed via the SYRCLE and CAMARADES checklists was concerning, as most studies demonstrated high risks of bias. Studies were generally low-powered (e.g., average n = 14.4 for behaviour), and future studies should employ sample sizes of 41 to detect our observed effect size in behaviour and 33 to detect our observed effect in edema. Overall, missing negative studies, low study quality, high risk of bias, and incomplete attention to key recommendations (e.g., investigating female, aged, and co-morbid animals) suggest that further high-powered confirmatory studies are needed before conclusive statements about GLC's efficacy in ICH can be made, and before further clinical trials are performed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,033 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».