Drug-coated balloons for the treatment of in-stent restenosis: an updated systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
Background: Drug-coated balloons (DCBs) have emerged as a potential option for treating in-stent restenosis (ISR). We aimed to assess the efficacy and safety of DCB compared to uncoated balloons (UCBs) for patients with ISR. Methods: We systematically searched Embase, MEDLINE, and Cochrane Library for randomized controlled trials comparing drug-coated balloons with uncoated balloons for coronary in-stent restenosis (ISR). Dichotomous and continuous outcomes were pooled using Revman 5.4 under a random-effects model. All the outcomes were assessed in a 6-month to 1-year follow-up period. Results: A total of seven RCTs involving 1407 patients were included in our review. DCBs significantly reduced the rate of target lesion revascularization (TLR) (RR 0.28; 95% CI: 0.16, 0.48), target vessel revascularization (TVR) (RR 0.36; 95% CI: 0.14, 0.90), major adverse cardiovascular events (MACE) (RR 0.39; 95% CI: 0.26, 0.58), and MI (RR 0.56; 95% CI: 0.35, 0.91). However, no significant difference was observed between the two groups regarding all-cause mortality, cardiovascular mortality, and stent thrombosis. DCB significantly improved angiographic outcomes such as binary restenosis (RR 0.23; 95% CI: 0.12, 0.43), late lumen loss (MD -0.44; 95% CI: - 0.55 to -0.33), and percent diameter stenosis (MD -13.91; 95% CI: - 24.15 to -3.67) compared to the UCB group. Conclusion: Our meta-analysis showed that drug-coated balloons have superior efficacy and safety compared to uncoated balloons in coronary in-stent restenosis patients.
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 | 0,013 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».