The success of salvage procedures for failing digital replants: A retrospective cohort study
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
BACKGROUND: The success of salvage procedures for failing digital replants (FR) is poorly documented. We sought to evaluate the success of salvage procedures for FR and factors contributing to successes and failures of replants. METHODS: Adult patients who presented to our center between January 1, 2000 and December 31, 2015, suffered ≥1 digital amputation(s), and underwent digital replantation were included. Preoperative, perioperative, and postoperative details were recorded. Digits were monitored postoperatively via nursing and physician assessments. The presumed reason for failure, details, and outcomes of salvage attempts were recorded for FR. Length of hospital stay and complications were also recorded. RESULTS: Fifty-two patients and 83 digits were included. Fifty-two digits (63%) were compromised (arterial ischemia in 15 digits; venous congestion in 37 digits) and 48 digits had salvage therapy. Twenty-one FR (44%) were salvaged via operative (1 of 2; 50%), nonoperative (19 of 43; 44%), and combined (1 of 3; 33%) therapies. FR patients were more likely than those with successful replants to receive a blood transfusion (52 vs. 23%; p = .009) with more transfused units (3.45 ± 3.30 vs. 0.86 ± 0.95; p = .001). Length of stay was prolonged for FR patients (9 [range: 2-22] vs. 7 [range: 3-19] days; p = .039). Ultimately, 59% (49 of 83) of replants were successful, where 25% (21 of 83) were successfully salvaged. CONCLUSION: Nonoperative and operative salvage therapies improve the rate of replant survival. We suggest close postoperative monitoring of all replants and active salvage interventions for compromised replants in the postoperative period.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 découle