Managing Clopidogrel Resistance in Neurointervention: Surveying Current Approaches
Notice bibliographique
Résumé
Background: Because of the variability in patient responses to clopidogrel and to reduce the risk of thromboembolic complications, adjusting the antiplatelet regimen based on platelet function testing has become a widespread practice in neurointervention. We aimed to explore current patterns related to this practice. Methods: ) and 2 consortium emailing lists (WovenEndoBridge and Neurointerventional Research Consortia). The data obtained from the responses were analyzed using descriptive statistics. Results: A total of 133 neurointerventionalists, representing 79 institutions within 27 countries, responded to the survey. A total of 62% of respondents tested for clopidogrel resistance before any neurovascular stent placements. A total of 80% used VerifyNow point-of-care P2Y12 assay; other assays included multiplate analyzer, platelet function analyzer, and CYP2C19 genotype assay. Respondents reported 25 different therapeutic thresholds, with the P2Y12 reaction unit range between 60 and 180 most commonly used (16.4%). A total of 61% reported they would switch to ticagrelor in the case of persistent resistance. On the other hand, when patients are supratherapeutic, 48% did not make any changes, whereas 42% reduced clopidogrel dose. Finally, 93% opined that a well-established protocol for management of clopidogrel resistance was needed. Conclusions: Neurointerventional practice patterns around clopidogrel resistance remain heterogeneous. Our results underscore the need for evidence-based guidance on the management of clopidogrel resistance in neurointervention.
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 ».