Return to Driving after a Craniotomy: A Systematic Review and Evidence-Based Approach
Notice bibliographique
Résumé
BACKGROUND: Patients undergoing craniotomy experience a higher risk of seizures in the ensuing months. Consensus is lacking regarding the appropriate timeframe for safe return to driving following craniotomy in patients not otherwise limited by neurological deficits or a history of epilepsy. METHODS: We performed a systematic literature review on driving recommendations post-craniotomy. We then performed a scoping review on the risk of seizure post-craniotomy and used risk calculations and accepted risk thresholds from the epilepsy literature to develop an evidence-based approach to driving recommendations post-craniotomy. RESULTS: The systematic review of driving recommendations revealed national guidelines (the United Kingdom, New Zealand, Australia). We transposed risk calculations and accepted risk thresholds from the epilepsy literature (accident risk ratio [ARR] < 2; chance of occurrence of a seizure in the next year < 20%) to patients who undergo a craniotomy. Using data from a large meta-analysis of seizure risk post-craniotomy, we calculated ARRs for various underlying pathologies at different postoperative timepoints and compared them with accepted risk thresholds from the epilepsy literature. We determine that patients who undergo a craniotomy for a higher-risk condition (like high-grade glioma) may resume driving after at least 1 month without seizure, whereas those patients undergoing a craniotomy for lower-risk conditions (like infratentorial pathology) may resume driving without consideration for the risk of seizure. CONCLUSION: This systematic review of the literature and evidence-based approach to risk threshold calculations derived from the epilepsy literature provides a preliminary framework to guide clinicians regarding recommendations for return to driving following craniotomy.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».