Perioperative intensive glycemic control for liver transplant recipients to prevent surgical site infection: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Surgical Site Infections (SSIs) are common among liver transplant recipients and result in adverse patient outcomes. Standard glycemic control is effective in reducing SSIs. Some studies suggest intensive glycemic control reduces the risk of SSI further. METHODS: For this systematic review, were searched for studies comparing perioperative intensive and standard glycemic control in liver transplant recipients. Clinical trials registries and reference lists of included studies were also searched. No date or language restrictions were applied. Randomized controlled trials (RCTs) were assessed using Cochrane risk of bias tool and GRADE method. Cohort studies were assessed using the Newcastle-Ottawa Scale. RESULTS: Two RCTs and three cohort studies met the inclusion criteria. Low-quality evidence from the two RCTs in a meta-analysis with 264 recipients found it was uncertain whether the risk of SSI was reduced by having intensive glycemic control (Risk Ratio [RR] 1.52, 95% CI 0.66-3.51). However, there was an increased risk of hypoglycemia among recipients having intensive glycemic control (RR 2.34, 95% CI 1.40-3.92) n = 264. Meta-analyses found it uncertain whether secondary outcomes, allograft rejection and death, were reduced among recipients having intensive glycemic control; (RR 0.85, 95% CI 0.48-1.50) and (RR 0.92, 95% CI 0.44-1.95), respectively. The two cohort studies were poor quality and presented conflicting outcomes on the effects of intensive blood glucose control on SSI. CONCLUSION: There is insufficient evidence to recommend the use of intensive glycemic control among liver transplant recipients to reduce SSIs.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».