Real-world surgical outcomes of a gelatin-hemostatic matrix in women requiring a hysterectomy: A matched case–control study
Notice bibliographique
Résumé
Introduction The aim of this study was to compare adverse events and surgical outcomes of hysterectomy with or without use of a gelatin-hemostatic matrix (SURGIFLO®). Materials and Methods Prospective case-control study (Canadian Task Force classification II2) of total hysterectomy (Piver Type 1) provided by surgeons in Australia between Nov 2005 and May 2015. Data were collected via SurgicalPerformance, a web-based data project which aims to provide confidential feedback to surgeons about their surgical outcomes. Of 2,440 records of women who received a hysterectomy, 1,351 were eligible for these analyses, 107 received SURGIFLO® hemostatic matrix to prevent postoperative blood loss and 1,244 did not receive SURGIFLO®. Results Patients with or without SURGIFLO® differed in age, Charlson co-morbidity index, and American Society of Anesthesiologists physical status classification system score (ASA), and also differed in clinical outcomes. After matching for patient’s age and ASA at surgery, patients with and without SURGIFLO® had comparable baseline characteristics. Matched patients with and without SURGIFLO® had comparable clinical outcomes including risk of developing vault hematoma, return to the operating room, transfusion of red cells, surgical site infection (pelvis), readmission within 30 days and unplanned ICU admission. Conclusions In a sample matched by age and ASA, SURGIFLO® neither prevents nor causes additional adverse events in women undergoing hysterectomy. Surgeons used SURGIFLO® more commonly among women who were older, had more comorbidities and a higher ASA score. This indicates that it may be most useful in complicated surgery or cases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».