The Impact of Smoking on Complications After Operatively Treated Ankle Fractures—A Follow-Up Study of 906 Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: This study on patients with operatively treated ankle fractures aimed to investigate the impact of smoking on postoperative complications and especially deep wound infections. DESIGN: Cohort study with prospective follow-up. SETTING: University-associated teaching hospital with advanced trauma care. PATIENTS: A consecutive series of patients (n = 906) operatively treated for an acute ankle fracture during a 3-year period was identified. For the analysis, the patients were categorized as nonsmokers (n = 721) and smokers (n = 185). Data were collected from the department database and completed with a review of the patients' medical charts. MAIN OUTCOME MEASURES: Postoperative complications. RESULTS: Follow-up data at 6 weeks were available for 98.2% of the patients. Postoperative complications of any kind (30.1% versus 20.3%, P = 0.005) as well as deep wound infections (4.9% versus 0.8%, P < 0.001) were more common among smokers than nonsmokers. Multivariable analyses showed that smokers had six times higher odds of developing a deep infection compared with nonsmokers. A more complicated fracture, associated diabetes mellitus, and unsatisfactory operative fracture reduction also enhanced the risk of postoperative complications. CONCLUSIONS: We conclude that cigarette smoking increases the risk of postoperative complications in patients operatively treated for an ankle fracture. Smoking is a considerable risk factor. Therefore, physicians, nurses, and other healthcare professionals should strive to support patients to stop smoking while still under acute treatment.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle