MétaCan
Menu
Retour à la cohorte
Enregistrement W2552053986 · doi:10.1111/bjd.15186

Risk factors for nonpurulent leg cellulitis: a systematic review and meta-analysis

2016· review· en· W2552053986 sur OpenAlexaboutno aff
Michael Quirke, Fares Ayoub, Aileen McCabe, Fiona Boland, Benjamin Smith, Robin O’Sullivan, Abel Wakai

Notice bibliographique

RevueBritish Journal of Dermatology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCellulitisOdds ratioMeta-analysisConfidence intervalObservational studyRisk factorSurgeryAbscessInternal medicineBody mass indexDermatology

Résumé

récupéré en direct d'OpenAlex

Nonpurulent cellulitis is an acute bacterial infection of the dermal and subdermal tissues that is not associated with purulent drainage, discharge or abscess. The objectives of this systematic review and meta‐analysis were to identify and appraise all controlled observational studies that have examined risk factors for the development of nonpurulent cellulitis of the leg (NPLC). A systematic literature search of electronic databases and grey literature sources was performed in July 2015. The Newcastle–Ottawa Scale (NOS) was used to assess methodological quality of included studies. Of 3059 potentially eligible studies retrieved and screened, six case–control studies were included. An increased risk of developing NPLC was associated with previous cellulitis [odds ratio (OR) 40·3, 95% confidence interval (CI) 22·6–72·0], wound (OR 19·1, 95% CI 9·1–40·0), current leg ulcers (OR 13·7, 95% CI 7·9–23·6), lymphoedema/chronic leg oedema (OR 6·8, 95% CI 3·5–13·3), excoriating skin diseases (OR 4·4, 95% CI 2·7–7·1), tinea pedis (OR 3·2, 95% CI 1·9–5·3) and body mass index > 30 kg m−2 (OR 2·4, 95% CI 1·4–4·0). Diabetes, smoking and alcohol consumption were not associated with NPLC. Although diabetics may have been underrepresented in the included studies, local risk factors appear to play a more significant role in the development of NPLC than do systemic risk factors. Clinicians should consider the treatment of modifiable risk factors including leg oedema, wounds, ulcers, areas of skin breakdown and toe‐web intertrigo while administering antibiotic treatment for NPLC.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0130,006
Bibliométrie0,0000,000
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 Opus0,068
Tête enseignante GPT0,361
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations116
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of DermatologyMême sujetStreptococcal Infections and TreatmentsTravaux en français237 207