Analysis of prognostic factors affecting mortality in Fournier’s gangrene: A study of 72 cases
Notice bibliographique
Résumé
INTRODUCTION: Fournier's gangrene is a rapidly progressing necrotizing fasciitis of the perineum and genital area associated with a high mortality rate. We presented our experience in managing this entity and identified prognostic factors affecting mortality. METHODS: We carried out a retrospective study of 72 patients treated for Fournier's gangrene at our institution between January 2005 and December 2014. Patients were divided into survivors and non-survivors and potential prognostic factors were analyzed. RESULTS: Of the 72 patients, 64 were males (89%) and 8 females (11%), with a mean age of 51 years. The most common predisposing factor was diabetes mellitus (38%). The mortality rate was 17% (12 patients died). Statistically significant differences were not found in age, gender, and predisposing factors, except in heart disease (p = 0.038). Individual laboratory parameters significantly correlating with mortality included hemoglobin (p = 0.023), hematocrit (p = 0.019), serum urea (p = 0.009), creatinine (p = 0.042), and potassium (p = 0.026). Severe sepsis on admission and the extent of affected surface area also predicted higher mortality. Others factors, such as duration of symptoms before admission, number of surgical debridement, diverting colostomy and length of hospital stay, did not show significant differences. The median Fournier's Gangrene Severity Index (FGSI) was significantly higher in non-survivors (p = 0.002). CONCLUSION: Fournier's gangrene is a severe surgical emergency requiring early diagnosis and aggressive therapy. Identification of prognostic factors is essential to establish an optimal treatment and to improve outcome. The FGSI is a simple and valid method for predicting disease severity and patient survival.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».