Optimal surgical management in kidney and pancreas transplantation to minimise wound complications: A systematic review and meta-analysis
Notice bibliographique
Résumé
Immunosuppression in transplant patients increases the risk of wound complications. However, an optimal surgical approach to kidney and pancreas transplantation can minimise this risk. We performed a systematic review and meta-analysis to examine factors contributing to incisional hernia formation in kidney and pancreas transplant recipients. Bias appraisal of studies was conducted via the Newcastle-Ottawa scale. We considered recipient factors, surgical methods, and complications of repair. The rate of incisional hernia formation in recipients of kidney and pancreas transplants was 4.4% (CI 95% 2.6–7.3, p < 0.001). Age above or below 50 years did not predict hernia formation (Q (1) = 0.09, p = 0.77). Body mass index (BMI) above 25 (10.8%, CI 95% 3.2–30.9, p < 0.001) increased the risk of an incisional hernia. Mycophenolate mofetil (MMF) use significantly reduced the risk of incisional hernia from 11.9% (CI 95% 4.3–28.7, p < 0.001) to 3.8% (CI 95% 2.5–5.7, p < 0.001), Q (1) = 4.25, p = 0.04. Sirolimus significantly increased the rate of incisional hernia formation from 3.7% (CI 95% 1.7–7.1, p < 0.001) to 18.1% (CI 95% 11.7–27, p < 0.001), Q (1) = 13.97, p < 0.001. While paramedian (4.1% CI 95% 1.7–9.4, p < 0.001) and Rutherford-Morrison incisions (5.6% CI 95% 2.5–11.7, p < 0.001) were associated with a lower rate of hernia compared to hockey-stick incisions (8.5% CI 95% 3.1–21.2, p < 0.001) these differences were not statistically significant (Q (1) = 1.38, p = 0.71). Single layered closure (8.1% CI 95% 4.9–12.8, p < 0.001) compared to fascial closure (6.1% CI 95% 3.4–10.6, p < 0.001) did not determine the rate of hernia formation [Q (1) = 0.55, p = 0.46]. Weight reduction and careful immunosuppression selection can reduce the risk of a hernia. Rutherford-Morrison incisions along with single-layered closure represent a safe and effective technique reducing operating time and costs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,031 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».