Analysis of Adverse Events of Endoscopic Ultrasound-Guided Lumen-Apposing Metal Stent Placement: Insights Across Various Indications and Techniques
Notice bibliographique
Résumé
Background: of surgery for multiple procedures, including transmural fluid drainage. However, few studies have evaluated adverse events (AEs) associated with LAMS placement. Our aim was to characterize the rates of AEs associated with several LAMS placement strategies across different procedures and indications. Methods: A single-center retrospective cross-sectional study was conducted on patients who underwent EUS-guided LAMS placement between 2015 and 2023 at a single institution. Technical and clinical success rates and rates of early and late AEs were analyzed. Comparisons of AE rates were determined for patients who had LAMS dilation versus those without dilation, patients who had plastic stent placement in addition to LAMS placement versus those with no plastic stents, and patients who had combined dilation and plastic stent procedures versus those with LAMS dilation only. Results: A total of 243 patients underwent EUS-guided LAMS interventions: 110 (45.3%) women and 133 (54.7%) men (mean age 53.7 ± 15.9 years). There were 96 (39.5%) patients who had at least one AE. Abdominal pain was the most common early and late AE. Plastic stent placement alongside LAMS placement was associated with a significantly higher rate of overall AEs (48.3% vs 29.9%; P = 0.009), late AEs (33% vs 17.9%; P = 0.021), and stent occlusion (5.7% vs 0%; P = 0.046). LAMS dilation was associated with higher rates of late AEs (34.2% vs 20.6%; P = 0.022) and stent occlusion (6.2% vs 1.0%; P = 0.049). Conclusions: LAMS placement showed high technical and clinical success rates across different indications with mostly mild AEs, suggesting that LAMSs may be safe and effective for pancreatic and biliary drainage.
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) | 0,001 | 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 ».