Accuracy of CSF Tap Test and Lumbar Infusion Test in Predicting Shunt Response in Idiopathic Normal Pressure Hydrocephalus: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Background Idiopathic normal pressure hydrocephalus (iNPH) presents with gait disturbance, cognitive impairment, and urinary incontinence. The cerebrospinal fluid tap test (CSF-TT) and lumbar infusion test (LIT) are commonly used to predict postoperative improvement after shunt surgery; however, their validity remains debated. Methods We performed a systematic review and meta-analysis to assess the sensitivity and specificity of CSF-TT and LIT. The protocol was registered in PROSPERO (CRD42023454502). Reporting followed the PRISMA guidelines, and certainty of evidence was assessed using the GRADE approach. Results From 1762 studies, 14 were included, reporting 697 CSF-TT and 393 LIT patients with shunt surgery as the reference standard. Considerable heterogeneity existed in test protocols, timing of assessment, and outcome measures. Several studies were retrospective with a high risk of bias. Using a bivariate random-effects model, pooled sensitivity and specificity of CSF-TT were 67.5% (95% CI 52.2–79.8, I 2 82.3%) and 53.3% (40.7-65.4, I 2 49.4%), respectively. The certainty of evidence was very low for sensitivity due to bias, inconsistency, and imprecision, and low for poor specificity due to bias and inconsistency. LIT showed a pooled sensitivity of 81% (70.3–88.3, I 2 = 27.6%) and specificity of 42.8% (20.8–68.1, I 2 = 60.8%), with moderate certainty for sensitivity and poor specificity. Conclusion Both CSF-TT and LIT demonstrate only modest accuracy in predicting shunt outcomes. The pooled specificity of the CSF-TT is similar to a coin toss, limiting its standalone clinical utility. The moderate certainty regarding the poor specificity of the LIT highlights the need for improved prognostic models. These tests should be interpreted in conjunction with other clinical and imaging findings, rather than in isolation. We need standardized, high-quality studies to better define their diagnostic value and support shared decision-making.
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 | 0,020 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,045 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».