Surgery as an Adjunctive Treatment for Multidrug-Resistant Tuberculosis: An Individual Patient Data Metaanalysis
Notice bibliographique
Résumé
BACKGROUND: Medical treatment for multidrug-resistant (MDR)-tuberculosis is complex, toxic, and associated with poor outcomes. Surgical lung resection may be used as an adjunct to medical therapy, with the intent of reducing bacterial burden and improving cure rates. We conducted an individual patient data metaanalysis to evaluate the effectiveness of surgery as adjunctive therapy for MDR-tuberculosis. METHODS: Individual patient data, was obtained from the authors of 26 cohort studies, identified from 3 systematic reviews of MDR-tuberculosis treatment. Data included the clinical characteristics and medical and surgical therapy of each patient. Primary analyses compared treatment success (cure and completion) to a combined outcome of failure, relapse, or death. The effects of all forms of resection surgery, pneumonectomy, and partial lung resection were evaluated. RESULTS: A total of 4238 patients from 18 surgical studies and 2193 patients from 8 nonsurgical studies were included. Pulmonary resection surgery was performed on 478 patients. Partial lung resection surgery was associated with improved treatment success (adjusted odds ratio [aOR], 3.0; 95% confidence interval [CI], 1.5-5.9; I(2)R, 11.8%), but pneumonectomy was not (aOR, 1.1; 95% CI, .6-2.3; I(2)R, 13.2%). Treatment success was more likely when surgery was performed after culture conversion than before conversion (aOR, 2.6; 95% CI, 0.9-7.1; I(2)R, 0.2%). CONCLUSIONS: Partial lung resection, but not pneumonectomy, was associated with improved treatment success among patients with MDR-tuberculosis. Although improved outcomes may reflect patient selection, partial lung resection surgery after culture conversion may improve treatment outcomes in patients who receive optimal medical therapy.
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».