Neuromonitoring during Endovascular Thoracoabdominal Aortic Aneurysm Repair: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Spinal cord ischemia (SCI) is a potentially devastating complication of thoracic endovascular aortic repair (TEVAR) and fenestrated-branched endovascular aortic repair (F-BEVAR). The aim of this systematic review was to evaluate the efficacy of neuromonitoring modalities to mitigate the risk of SCI during TEVAR and F-BEVAR procedures. METHODS: Following the PRISMA guidelines, we conducted a detailed literature search of databases including PubMed, MEDLINE via Ovid, Embase, Scopus, and Cochrane CENTRAL, from 1998 to the present. Inclusion criteria were original research articles examining neuromonitoring during TEVAR and F-BEVAR. The primary outcome was the incidence of SCI, while the secondary outcome included early mortality. The quality of studies was assessed using the Newcastle-Ottawa Scale. RESULTS: From 1,450 identified articles, 11 met inclusion criteria, encompassing data from 1,069 patients. Neuromonitoring modalities included motor-evoked potentials (MEPs), somatosensory evoked potentials (SSEPs), and near-infrared spectroscopy. The combination of MEPs and SSEPs was most commonly used, with 93% sensitivity and 96% specificity for detecting SCI risks. SCI incidence ranged from 3.8 to 17.3%, with permanent deficits occurring in 2.7-5.8% of cases. In-hospital mortality ranged from 0.4 to 8%. Risk factors for SCI were identified, including operation duration and extent of aortic coverage. CONCLUSIONS: Neuromonitoring with MEPs and SSEPs appears to be effective in detecting perioperative SCI risk during TEVAR and F-BEVAR. However, discrepancies between neuromonitoring changes and actual SCI outcomes suggest the need for cautious interpretation. While the incidence of SCI remains variable, identified risk factors may guide clinical decisions, particularly in high-risk procedures. Future research should focus on prospective studies and randomized controlled trials to validate these findings and improve SCI prevention strategies in TEVAR and F-BEVAR.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».