MétaCan
Menu
Retour à la cohorte
Enregistrement W2478681807 · doi:10.1371/journal.pone.0159523

Is Angiosome-Targeted Angioplasty Effective for Limb Salvage and Wound Healing in Diabetic Foot? : A Meta-Analysis

2016· review· en· W2478681807 sur OpenAlexaboutno aff
Kum Ju Chae, Jin Yong Shin

Notice bibliographique

RevuePLoS ONE · 2016
Typereview
Langueen
DomaineMedicine
ThématiquePeripheral Artery Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAngioplastyMedicineMeta-analysisOdds ratioDiabetic footSurgeryRandomized controlled trialFunnel plotInternal medicinePublication biasDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Given that the efficacy of employing angiosome-targeted angioplasty in the treatment of diabetic foot remains controversial, this study was conducted to examine its efficacy. METHODS: We performed a systematic literature review and meta-analysis using core databases, extracting the treatment modality of angiosome-targeted angioplasty as the predictor variable, and limb salvage, wound healing, and revision rate as the outcome variables. We used the Newcastle-Ottawa Scale to assess the study quality, along with the Cochrane Risk of Bias Tool. We evaluated publication bias using a funnel plot. RESULTS: The search strategy identified 518 publications. After screening these, we selected four articles for review. The meta-analysis revealed that overall limb salvage and wound healing rates were significantly higher (Odds ratio = 2.209, 3.290, p = 0.001, p<0.001) in patients who received angiosome-targeted angioplasty than in those who received nonangiosome-targeted angioplasty. The revision rate between the angiosome and nonangiosome groups was not significantly different (Odds ratio = 0.747, p = 0.314). CONCLUSION: Although a further randomized controlled trial is required for confirmation, angiosome-targeted angioplasty in diabetic foot was more effective than nonangiosome-targeted angioplasty with respect to wound healing and limb salvage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,135
Tête enseignante GPT0,327
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetPeripheral Artery Disease ManagementTravaux en français237 207