Early versus late intramedullary nailing for traumatic femur fracture management: meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: There is no consensus yet on the impact of timing of femur fracture (FF) internal fixation on the patient outcomes. This meta-analysis was conducted to evaluate the contemporary data in patients with traumatic FF undergoing intramedullary nail fixation (IMN). METHODS: English language literature was searched with publication limits set from 1994 to 2016 using PubMed, Scopus, MEDLINE (OVID), EMBASE (OVID), Web of Science, and Cochrane Central Register of Controlled Trials (CENTRAL). Studies included randomized controlled trials (RCTs), prospective observational or retrospective cohort studies, and case-control studies comparing early versus late femoral shaft fractures IMN fixation. Variable times were used across studies to distinguish between early and late IMN, but 24 h was the most frequently used cutoff. The quality assessment of the reviewed studies was performed with two instruments. Observational studies were assessed with the Newcastle-Ottawa Quality Assessment Scale. RCTs were assessed with the Cochrane Risk of Bias Tool. RESULTS: We have searched 1151 references. Screening of titles and abstracts eliminated 1098 references. We retrieved 53 articles for full-text screening, 15 of which met study eligibility criteria. CONCLUSIONS: This meta-analysis addresses the utility of IMN in patients with FF based on the current evidence; however, the modality and timing to intervene remain controversial. While we find large pooled effects in favor of early IMN, for reasons discussed, we have little confidence in the effect estimate. Moreover, the available data do not fill all the gaps in this regard; therefore, a tailored algorithm for management of FF would be of value especially in polytrauma patients.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,003 | 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 | 0,002 |
| 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 ».