Surgery for Obstructive Sleep Apnea in Obese Children: Literature Review and Meta‐analysis
Notice bibliographique
Résumé
OBJECTIVES: Surgical intervention for obstructive sleep apnea (OSA) in overweight and obese children may not be as effective as it is in normal-weight children. The purpose of this study was to systematically review the effects of various surgical interventions for OSA in obese children and to meta-analyze the current data. DATA SOURCES: PubMed, OVID, and Cochrane databases. REVIEW METHODS: Databases were searched for studies examining adenotonsillectomy, uvulopalatopharyngoplasty, supraglottoplasty, or tongue base surgeries and combinations in obese children with OSA. Adenotonsillectomy was the only procedure with enough data for meta-analysis; polysomnographic data were extracted and analyzed using a random-effects model. RESULTS: For adenotonsillectomy, 11 studies were included in the meta-analysis. Despite significant improvement in the apnea-hypopnea index (22.9 to 8.1 events/h, P < .001), respiratory disturbance index (24.8 to 10.4 events/h, P < .001), and oxygen saturation nadir (78.4% to 87.0%, P < .001), rates of persistent OSA ranged from 51% to 66%, depending on the outcome criterion used. There was evidence of limited effectiveness for surgical interventions to treat OSA in obese children using uvulopalatoplasty (12.5%) and tongue base surgery (74%-88%). CONCLUSIONS: Surgical interventions for OSA in overweight and obese children are effective at reducing OSA but with higher rates of persistent OSA than reported for normal-weight children. However, the amount of reduction appears to vary by surgical procedure. More attention should be paid toward preoperative weight loss and patient selection, and parents should be provided with realistic postoperative expectations in this difficult-to-treat population.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 | 0,001 |
| 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 ».