Sino‐Nasal outcome test‐22 outcomes after sinus surgery: A systematic review and meta‐analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES/HYPOTHESIS: The goal of the study was to perform a systematic review with meta-analysis to determine the mean change in the 22-item Sino-Nasal Outcome Test (SNOT-22) across patients who have had endoscopic sinus surgery (ESS) for chronic rhinosinusitis (CRS) in the literature. METHODS: A literature search was performed to identify studies that assessed SNOT-22 scores before and after ESS in adult patients with CRS. A random effects model with inverse variance weighting was used to generate the mean change after surgery, along with the forest plot and 95% confidence interval (CI). The impact of patient-specific factors across studies was assessed using a mixed-effects meta-regression. RESULTS: The final study list included 40 unique patient cohorts published from 2008 to 2016. All studies showed a statistically significant change in mean SNOT-22 scores between baseline and postoperative time points (P < .001), ranging from 12.7 to 44.8, at an average follow-up of 10.6 months. The summary change in mean SNOT-22 across all studies was 24.4 (95% CI: 22.0-26.8). After forward, step-wise multivariate modeling, studies with higher mean preoperative SNOT-22 score and higher asthma prevalence were associated with greater changes in SNOT-22 score after ESS, whereas studies with longer mean follow-up had smaller changes in SNOT-22 score. CONCLUSIONS: Studies evaluating quality-of-life outcomes after sinus surgery using the SNOT-22 instrument universally show significant improvement after ESS. Across the published literature, the magnitude of change is quite variable and appears to be influenced by a number of factors including baseline SNOT-22 score, asthma prevalence, and length of follow-up. Laryngoscope, 128:581-592, 2018.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,006 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle