Surgical Treatment of Chronic Hand Ischemia: A Systematic Review and Case Series
Notice bibliographique
Résumé
Background: Chronic hand ischemia refers to progressive, non-acute ischemic symptoms such as cold intolerance, rest pain, ulceration, tissue necrosis, and digit loss and poses a significant challenge in management. Conservative treatment begins with medical optimization and pharmacologic therapy, but when symptoms persist, surgical intervention may be required. Various operations exist to improve circulation including sympathectomy, arterial bypass, or venous arterialization. The purpose of this study is to systematically review published outcomes and present our experience with each surgical technique. Methods: A systematic review of literature regarding surgical treatment of chronic hand ischemia published between 1990 and 2016 was conducted using PRISMA guidelines. A retrospective-review of surgical interventions for chronic hand ischemia from 2010 to 2016 was then conducted. Primary outcomes included improvement in pain, wound-healing, and development of new ulcerations. Results: The review included 38 eight studies, showing all three techniques were effective in treating chronic hand ischemia. Sympathectomy had the lowest rate of new ulcerations (0.8%); bypass had the highest rate of healing existing ulcerations (89%). Arterialization was associated with consistent pain improvement pain (100%) but more complications (30.8%). Our series included 18 patients with 21 affected hands, 18 sympathectomies, 6 ulnar artery bypasses, and 1 arterialization. Most hands had improvement of wounds (89.5%) and pain (78.9%). No patients developed new ulcerations, but one required secondary amputation. Conclusions: When conservative measures fail to improve chronic hand ischemia, surgical intervention is an effective last line treatment. An algorithmic approach can determine the best operation for patients with chronic hand ischemia.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».