Does nasal surgery improve multilevel surgical outcome in obstructive sleep apnea<scp>:</scp> A multicenter study on 735 patients
Notice bibliographique
Résumé
Abstract Objective Does nasal surgery affect multilevel surgical success outcome. Methods Prospective eight country nonrandomized trial of 735 obstructive sleep apnea (OSA) patients, who had multilevel palate and/or tongue surgery, divided into two groups, with or without nose surgery. Results There were 575 patients in nose group, 160 patients in no nose group. The mean age for nose group 44.6 ± 11.4, no nose group 44.2 ± 11.8. Mean preoperative BMI for nose group 27.5 ± 3.6, no nose group 27.5 ± 4.1, mean postoperative BMI nose group 26.3 ± 3.7, no nose group 27.1 ± 3.8 ( P = .006). Mean preoperative AHI nose group 32.7 ± 19.4, no nose group 34.3 ± 25.0 ( P = .377); and mean postoperative AHI nose group 13.5 ± 10.2, no nose group 17.1 ± 16.0 ( P = .001). Mean preoperative ESS nose group was 11.3 ± 4.7, no nose group was 10.4 ± 5.4 ( P = .051); and mean postoperative ESS nose group was 5.3 ± 3.2, no nose group was 6.7 ± 2.8 ( P = .001). The nose group had higher percentage change (adjusted for age, gender, BMI) in AHI (33.7%, 95% CI 14% to 53.5%) compared to the no nose group ( P = .001); the nose group also had more percentage change in ESS (37%, 95% CI 23.6% to 50.3%) compared to the no nose group ( P < .001). Change in BMI did not affect AHI nor ESS change (Cohen effect 0.03 and 0.14, respectively). AHI change in both groups were also statistically significant in the mild OSA ( P = .008) and the severe OSA ( P = .01). Success rate of surgery for the nose group 68.2%, while the no nose group 55.0% ( P = .002). Conclusion Combining nose surgery in multilevel surgery improves surgical success. Level of evidence IIC.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».