Long‐term revision rates for endoscopic sinus surgery
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: Reported revision rates for endoscopic sinus surgery (ESS) for chronic rhinosinusitis (CRS) vary significantly. Several investigations examining revision rates for ESS have been limited by duration of follow-up, academic centers, or small surgeon cohorts. The objective of this study was to define the long-term revision rates for ESS and to determine those unique patient factors that increase the risk of revision ESS. METHODS: The Utah Population Database was queried for Current Procedural Terminology codes for ESS from 1996 to 2016. Patient demographics and comorbid diagnoses were collected. Revision rates and risk factors for surgery were determined by Cox proportional hazard modeling. RESULTS: A total of 29,934 patients were identified, with a mean length of follow-up of 9.7 years. The long-term revision rate was found to be 15.9%. The mean time between surgeries decreased with higher number of revision surgeries. The time between the first and second surgery was 4.39 years and the time between the fourth and fifth surgery decreased to 2.18 years. Female gender, older age at first surgery, nasal polyps, comorbid asthma, allergy, and a family history of CRS all increased the risk of requiring revision surgery (p < 0.001). CONCLUSION: The long-term revision rate for ESS exceeds 15% and the time between revision surgeries decreased with each additional surgery being performed. Unique patient factors increased the risk of requiring revision ESS. Understanding patients' risk for revision surgery may help physicians select and counsel patients with CRS undergoing ESS.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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