Postoperative urinary retention after pelvic organ prolapse surgery: influence of peri-operative factors and trial of void protocol
Notice bibliographique
Résumé
PURPOSE: Transient postoperative urinary retention (POUR) is common after pelvic floor surgery. We aimed to determine the association between peri-operative variables and POUR and to determine the number of voids required for post-void residuals (PVRs) to normalize postoperatively. METHODS: We conducted a retrospective cohort study of 992 patients undergoing pelvic floor surgery at a tertiary referral centre from January 2015 to October 2017. Variables assessed included: age, BMI, ASA score, anaesthesia type, type of surgery, length of postoperative stay, surgeon, bladder protocol used, and number of PVRs required to "pass" the protocol. RESULTS: Significant risk factors for POUR included: placement of MUS during POP surgery, anterior repair and hysterectomy with concomitant sacrospinous vault suspension. A total of 25.1% were discharged requiring catheterization. Patients receiving a concomitant mid-urethral sling (MUS) were 2.2 (95% CI1.6-2.9) and 2.3 (95% CI 1.8-3.1) times more likely to have elevated PVR after their second TOV and third TOV (p < 0.0001), respectively, compared with those without concomitant MUS. Permitting a third TOV allowed an additional 10% of women to pass the voiding protocol before discharge. The median number of voids to pass protocol was 2. An ASA > 2 and placement of MUS were associated with increasing number of voids needed to pass protocol. CONCLUSIONS: While many women passed protocol by the second void, using the 3rd void as a cut point to determine success would result in fewer women requiring catheterization after discharge. Prior to pelvic floor surgery, women should be counselled regarding POUR probability to allow for management of postoperative expectations.
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 | 0,000 |
| 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) | 0,000 | 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 ».