Management of Ruptured Intracranial Arachnoid Cysts with Hemorrhage: A Bayesian Network Analysis of Factors Affecting Management Decision
Notice bibliographique
Résumé
Background and Objective: Arachnoid cysts are extra-axial cerebrospinal fluid collections within the arachnoid membrane. Ruptured or hemorrhagic arachnoid cysts, although rare, present significant controversies in management. The present study is an attempt to analyze the factors contributing to management decision of ruptured/hemorrhagic arachnoid cysts using patient-level data from the literature. Methods: A literature search was conducted on PubMed and EMBASE to identify case reports and series of ruptured arachnoid cysts. Tree-augmented naïve Bayes (TAN) classifiers were implemented to analyze factors influencing surgical decision. The dataset was split into training and testing sets (0.75:0.25) and augmented using data augmentation techniques to address class imbalance. TAN classifiers were evaluated for accuracy and area under the curve, and a web application was developed to explore the networks. Results: The dataset included 254 unique cases after exclusion of missing data. Middle cranial fossa cysts accounted for 95% of cases, with a male predominance (M:F ratio 4.29:1). Management was predominantly surgical (89.8%), with craniotomy being the most common procedure. TAN classifiers for surgery and type of surgery were validated internally with accuracies of 90.48 and 75%, respectively. Cyst location, presence and type of hemorrhage, patient age group, Galassi classification were key influencing variables. The choice of surgical modality was influenced by additional variables like head injury, seizure, and macrocrania. Conclusion: TAN models highlighted the interrelated factors influencing management decision but do not propose definitive strategies. The generalizability of the findings are limited by heterogenous data, imbalance of various management strategies, particularly conservative management, and evolution of surgical techniques over time. The complexity of decision-making underscores the need for multicenter registries to improve data quality and to formulate optimal management strategy.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».