Biofilm‐forming bacteria and quality of life improvement after sinus surgery
Notice bibliographique
Résumé
BACKGROUND: It remains unclear how much chronic rhinosinusitis (CRS) patients with bacterial biofilms can benefit from functional endoscopic sinus surgery (FESS). We aimed to evaluate whether biofilm-forming bacteria was associated with quality of life (QOL) improvement after FESS. METHODS: This retrospective cohort study included adult CRS patients who underwent FESS from 2008 to 2011. Sinus samples were taken to evaluate for biofilm-formation in vitro using a modified Calgary Biofilm Detection Assay. QOL was measured before FESS, and 1-month, 3-month, and 6-month after FESS using 22-item Sino-Nasal Outcome Test (SNOT-22) scores. Patients' characteristics and medications were collected. Clinical significant QOL change was defined as a difference of at least 0.5 standard deviation (SD) of baseline SNOT-22 score in the reference group. RESULTS: A total of 156 patients had complete data, and 15% had biofilm-forming bacteria (n = 24). Patients with biofilm-forming bacteria had significantly worse preoperative SNOT-22 scores compared to patients without biofilm-forming bacteria (48 ± 20 vs 38 ± 23, p = 0.048). Both groups had clinically significant QOL improvement after FESS, and the differences in their 1-month (23 ± 19 vs 17 ± 20) and 3-month (27 ± 18 vs 18 ± 19) post-FESS SNOT-22 scores were not significant. However, patients with biofilm-forming bacteria demonstrated significantly less QOL improvement than patients without biofilm-forming bacteria from pre-FESS to 6-month post-FESS visits after adjusting for clinical factors (35 ± 25 vs 14 ± 15; β-coefficient = 0.71; 95% confidence interval [CI], 0.13 to 1.28; p = 0.016). CONCLUSION: CRS patients with biofilm-forming bacteria demonstrated clinically significant QOL improvement following FESS, but the degree of improvement was decreased overtime and became significantly worse than patients without biofilm-forming bacteria by 6-month follow-up. This QOL worsening was independent of other risk factors for CRS.
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 | 0,001 | 0,003 |
| 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) | 0,001 | 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 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 ».