Notice bibliographique
Résumé
Postsurgical adhesion formation is an important clinical problem within all surgical specialties. In gynecology, adhesions resulting from gynecologic procedures are a major clinical, social, and economic concern because they may result in pelvic pain, infertility, or bowel obstruction. In addition, it may lead to additional surgery to resolve the adhesion-related complications. This review evaluates the available evidence regarding the effectiveness of various strategies for reducing postsurgical adhesions. Those strategies include surgical techniques and adhesion-reducing substances. Postsurgical adhesions are natural consequences of tissue trauma and healing. Our review indicates that most of the effective adhesion-reducing substances decrease adhesion formation and reformation, but they do not prevent its occurrence. In fact, there is no single modality proven to be unequivocally effective in preventing adhesion formation. Current evidence suggests that the use of ORC (Interceed; Gynecare, Somerville, NJ), e-PTFE (Gore-Tex Surgical Membrane, Preclude; WL Gore, Flagstaff, AZ), HA-CMC (Seprafilm; Genzyme, Cambridge, MA), or 4% icodextrin (Adept; Baxter BioSurgery, Deerfield, IL) is justified. Their use, however, should not replace good surgical techniques. We recommend the use of microsurgical principles, minimally invasive surgery, and the use of adhesion-reducing agents.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».