Risk factors for hemorrhage requiring embolization after percutaneous nephrolithotomy: a meta-analysis
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: The aim of this meta-analysis was to systematically review and identify the risk factors for severe hemorrhage after percutaneous nephrolithotomy (PCNL). METHODS: We searched the PubMed and EMBASE database for literature related to the risk factors of severe hemorrhage after PCNL requiring angiography and embolization through to September 2019. The necessary data for each eligible study were extracted by 2 independent reviewers. The Newcastle-Ottawa Scale (NOS) was used for assessing the methodological quality of the included studies. Statistical analyses were conducted using Comprehensive Meta-Analysis version 2 to identify whether there was a statistical association between risk factors and severe hemorrhage post-PCNL. RESULTS: The results of this meta-analysis showed that urinary tract infection (UTI) (OR =1.98, 95% CI, 1.21-3.26, P=0.007), diabetes mellitus (OR =4.07, 95% CI, 1.83-9.06, P=0.001), staghorn stone (OR =3.49, 95% CI, 1.25-9.76, P=0.017), and multiple tracts (OR =2.09, 95% CI, 1.33-3.28, P=0.001) were independent risk factors for severe hemorrhage post-PCNL, while hypertension (OR =1.18, 95% CI, 0.58-2.42, P=0.65) showed no significant statistical difference. CONCLUSIONS: Urologists should focus on the above identified risk factors for severe hemorrhage post-PCNL, including UTI, diabetes mellitus, staghorn stone, and multiple tracts. More high-quality studies with larger sample sizes are needed to validate these conclusions.
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) | 0,001 | 0,001 |
| 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