Foam sclerotherapy compared with liquid sclerotherapy for the treatment of lower extremity varicose veins
Notice bibliographique
Résumé
BACKGROUND: There is a continued discussion on which is the best sclerosant to treat lower extremity varicose veins. Therefore, we did this meta-analysis to determine that foam sclerotherapy versus liquid sclerotherapy, which could perform better in the treatment of lower extremity varicose veins. MATERIALS AND METHODS: We independently searched 5 databases from inception to February 1, 2019, for randomized controlled trials and prospective controlled trials for comparing foam sclerotherapy and liquid sclerotherapy for the treatment of lower extremity varicose veins. The Newcastle-Ottawa Scale (NOS) was used to assess the quality of studies. The primary outcome and secondary outcomes were analyzed using stata 15.0. This meta-analysis was performed according to Cochrane Handbook. RESULTS: There were significant differences in effective rate (P < .001, odd ratios = 5.64, 95% confidence interval = 3.93-8.10) and incidence rate of pain (P = .030, odd ratios = 1.52, 95% confidence interval = 1.04-2.21) between foam sclerotherapy and liquid sclerotherapy. And there were no significant differences among local inflammation (P = .896, rate difference = 0.00, 95% confidence interval = -0.03 to 0.03), thrombophlebitis (P = .90, rate difference = 0.00, 95% confidence interval = -0.02 to 0.02) and hyperpigmentation (P = .336, rate difference = 0.05, 95% confidence interval = -0.05 to 0.14). CONCLUSIONS: Although foam sclerotherapy has a higher incidence rate of complications, it could achieve a more stable clinical efficacy in the treatment of lower extremity varicose veins than liquid sclerotherapy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 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 ».