MétaCan
Menu
Retour à la cohorte
Enregistrement W2906722012 · doi:10.1001/jamafacial.2018.1737

Role of Tranexamic Acid in Reducing Intraoperative Blood Loss and Postoperative Edema and Ecchymosis in Primary Elective Rhinoplasty

2019· review· en· W2906722012 sur OpenAlexaff
Connor McGuire, Sean Nurmsoo, Osama A. Samargandi, Michael Bezuhly

Notice bibliographique

RevueJAMA Facial Plastic Surgery · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueBlood transfusion and management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEcchymosisTranexamic acidMedicineRhinoplastySurgeryEdemaRandomized controlled trialAnesthesiaBlood loss

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Blood loss from surgical procedures is a major issue worldwide as the demand for blood products is increasing. Tranexamic acid is an antifibrinolytic agent commonly used to reduce intraoperative blood loss. OBJECTIVE: To systematically examine the role of tranexamic acid in reducing intraoperative blood loss and postoperative edema and ecchymosis among patients undergoing primary elective rhinoplasty. DATA SOURCES: A systematic review and meta-analysis was undertaken in an academic medical setting using Medline, Embase, and Google Scholar from inception to June 30, 2018. All references of included articles were screened for potential inclusion. The search was mapped to Medical Subject Headings, and the following terms were used to identify potential articles: reconstruction or rhinoplasty and tranexamic acid or anti-fibrinolysis or antifibrinolysis and bleeding or ecchymosis or bruising or edema or complications. STUDY SELECTION: The population of interest consisted of adult patients undergoing primary elective rhinoplasty. The intervention was the use of tranexamic acid. The control group was composed of patients receiving a placebo. Primary outcomes were intraoperative blood loss and postoperative edema and ecchymosis. In vitro or animal studies were excluded, and only English-language articles were included. DATA EXTRACTION AND SYNTHESIS: The PRISMA guidelines were followed, and articles were assessed using the Cochrane Collaboration's tool for assessing risk of bias and the Grading of Recommendations Assessment, Development and Evaluation (GRADE) guidelines. Random-effects meta-analysis was performed to determine the overall effect size. MAIN OUTCOMES AND MEASURES: The primary outcomes were intraoperative blood loss and postoperative edema and ecchymosis. RESULTS: Five studies (comprising 332 patients) were included in the qualitative analysis, all of which were randomized clinical trials published within the past 5 years. The mean (SD) patient age was 27 (7) years (age range, 16-42 years), while the mean (SD) sample size was 66 (19) (range, 50-96). Meta-analysis of 4 studies (271 patients) indicated that tranexamic acid treatment resulted in a mean reduction in intraoperative blood loss of -41.6 mL (95% CI, -69.8 to -13.4 mL) compared with controls (P = .004). Three studies indicated that postoperative edema and ecchymosis were reduced with tranexamic acid treatment compared with controls; however, there was no significant difference compared with corticosteroid use. Four studies were considered of high methodological quality, with a low risk of bias. The overall quality of evidence was high. CONCLUSIONS AND RELEVANCE: Tranexamic acid has the ability to significantly reduce intraoperative blood loss and postoperative edema and ecchymosis among patients undergoing primary elective rhinoplasty. LEVEL OF EVIDENCE: 4.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0070,010
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Facial Plastic SurgeryMême sujetBlood transfusion and managementTravaux en français237 207