Interventional Procedures in Deep Venous Thrombosis Treatment: A Review of Techniques, Outcomes, and Patient Selection
Notice bibliographique
Résumé
Background and Objectives: Deep venous thrombosis (DVT) is associated with pulmonary embolism and long-term complications such as post-thrombotic syndrome (PTS). Anticoagulation prevents thrombus extension but does not actively remove clot. Interventional techniques, including catheter-directed thrombolysis, mechanical and pharmacomechanical thrombectomy, and venous stenting, have been introduced to restore venous patency and reduce complications. This systematic review summarizes current evidence on outcomes, safety, and patient selection for these procedures. Materials and Methods: A systematic search of PubMed, EMBASE, Cochrane Library, and Web of Science was conducted for studies published between January 2000 and February 2024. Eligible studies included randomized controlled trials, systematic reviews, meta-analyses, and observational studies with ≥20 patients. Extracted outcomes were technical success, thrombus clearance, venous patency, PTS, quality of life, and complications. Risk of bias was assessed using the Cochrane Risk of Bias Tool, Newcastle–Ottawa Scale, and AMSTAR-2. Results: Of 456 records screened, 35 studies were included. Randomized trials (CaVenT, ATTRACT, CAVA) showed that catheter-directed and pharmacomechanical approaches improved venous patency and reduced moderate-to-severe PTS in selected patients with iliofemoral DVT, though overall benefit was variable. Mechanical thrombectomy devices (e.g., AngioJet, ClotTriever, FlowTriever) achieved high thrombus clearance and shorter procedural times, with device-specific complication profiles. Observational data demonstrated venous stenting patency rates of 74–89% at 12 months. Study heterogeneity limited direct comparisons. Conclusions: Interventional procedures can reduce PTS and improve outcomes in carefully selected patients, particularly those with acute iliofemoral DVT. Modern mechanical and pharmacomechanical techniques enhance efficiency and safety, while venous stenting addresses underlying obstructions. Further high-quality trials with long-term follow-up are needed to define optimal patient selection and comparative effectiveness.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| 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 ».