A Reevaluation of the Risk of Infection Based on Time to Debridement in Open Fractures
Notice bibliographique
Résumé
BACKGROUND: Open fractures are one of the leading causes of disability worldwide. The threshold time to debridement that reduces the infection rate is unclear. METHODS: We searched all available databases to identify observational studies and randomized trials related to open fracture care. We then conducted an extensive meta-analysis of the observational studies, using raw and adjusted estimates, to determine if there was an association between the timing of initial debridement and infection. RESULTS: We identified 84 studies (18,239 patients) for the primary analysis. In unadjusted analyses comparing various "late" time thresholds for debridement versus "early" thresholds, there was an association between timing of debridement and surgical site infection (odds ratio [OR] = 1.29, 95% confidence interval [CI] = 1.11 to 1.49, p < 0.001, I2 = 30%, 84 studies, n = 18,239). For debridement performed between 12 and 24 hours versus earlier than 12 hours, the OR was higher in tibial fractures (OR = 1.37, 95% CI = 1.00 to 1.87, p = 0.05, I2 = 19%, 12 studies, n = 2,065), and even more so in Gustilo type-IIIB tibial fractures (OR = 1.46, 95% CI = 1.13 to 1.89, p = 0.004, I2 = 23%, 12 studies, n = 1,255). An analysis of Gustilo type-III fractures showed a progressive increase in the risk of infection with time. Critical time thresholds included 12 hours (OR = 1.51, 95% CI = 1.28 to 1.78, p < 0.001, I2 = 0%, 16 studies, n = 3,502) and 24 hours (OR = 2.17, 95% CI = 1.73 to 2.72, p < 0.001, I2 = 0%, 29 studies, n = 5,214). CONCLUSIONS: High-grade open fractures demonstrated an increased risk of infection with progressive delay to debridement. LEVEL OF EVIDENCE: Prognostic Level IV. See Instruction for Authors for a complete description of the levels of evidence.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,000 | 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 ».