MétaCan
Menu
Retour à la cohorte
Enregistrement W2981049391 · doi:10.1097/sla.0000000000003435

Prophylactic Negative Pressure Wound Therapy for Closed Laparotomy Incisions

2019· review· en· W2981049391 sur OpenAlexaff
Tanya Kuper, Patrick Murphy, Bandeep Kaur, Michael Ott

Notice bibliographique

RevueAnnals of Surgery · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical site infection prevention
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineNegative-pressure wound therapyLaparotomySurgeryWound healingPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to determine whether negative pressure wound therapy (NPWT) applied to primarily closed incisions decreases surgical site infections (SSIs) following open abdominal surgery. BACKGROUND: SSIs are a common cause of morbidity following open abdominal surgery. Prophylactic NPWT has shown promise for SSI reduction. However, the results of randomized controlled trials (RCTs) conducted among patients undergoing laparotomy have been inconsistent. METHODS: We performed a meta-analysis of English language RCTs comparing the use of prophylactic NPWT to standard dressings on primarily closed laparotomy incisions following open abdominal surgery. Medline, EMBASE, Cochrane Library, and CINAHL databases were searched from inception to December 31, 2018, for relevant studies. A random-effects model was used for statistical analysis. RESULTS: Five RCTs totaling 792 patients were included in our meta-analysis after application of our exclusion and inclusion criteria. There was no significant difference in the risk of SSIs identified among those patients who had NPWT compared to standard dressings; relative risk (RR) 0.56 (95% confidence interval 0.30-1.03, P = 0.064). There was significant statistical heterogeneity across studies (I = 67.4%; P = 0.015). CONCLUSION: The adoption of NPWT for routine SSI prophylaxis following laparotomy is currently not supported and should be used primarily in the context of a clinical trial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,987
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,502
Tête enseignante GPT0,476
Écart entre enseignants0,026 · 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 tête enseignante, pas un consensus.

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

Citations51
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetSurgical site infection preventionTravaux en français237 207