Laparoscopic Inguinal Exploration and Mesh Placement for Chronic Pelvic Pain
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Chronic pelvic pain affects 15% of women. Our objective was to evaluate empiric laparoscopic inguinal exploration and mesh placement in this population. METHODS: Retrospective cohort with follow-up questionnaire of women with lateralizing chronic pelvic pain (right or left), ipsilateral inguinal tenderness on pelvic examination, no clinical hernia on abdominal examination, and ipsilateral empiric laparoscopic inguinal exploration with mesh placement (2003-2009). Primary outcome was pain level at the last postoperative visit. Secondary outcomes were pain level and SF-36 scores from the follow-up questionnaire. RESULTS: Forty-eight cases met the study criteria. Surgery was done empirically for all patients, with only 7 patients (15%) found to have an ipsilateral patent processus vaginalis (shallow peritoneal dimple or a deeper defect (occult hernia)). Of 43 cases informative for the primary outcome, there was pain improvement in 15 patients (35%); pain improvement then return of the pain in 18 patients (42%); and pain unchanged in 9 patients (21%) and worse in 1 patient (2%). Improvement in pain was associated with a positive Carnett's test in the ipsilateral abdominal lower quadrant (P = .024). Thirteen patients returned the questionnaire (27%), and the pain was now described as improved in 9 patients (69%), unchanged in 4 patients (31%), and worse in none. Three SF-36 subscales showed improvement (physical functioning, social functioning, and pain). CONCLUSION: In select women with chronic pelvic pain, empiric laparoscopic inguinal exploration and mesh placement results in moderate improvement in outcome. A positive Carnett's test in the ipsilateral abdominal lower quadrant is a predictor of better outcome.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».