Evaluating Rates of Preoperative Medical Optimization to Correct Anemia in Patients Undergoing Myomectomy
Notice bibliographique
Résumé
Objective: The aims of this retrospective cohort study were to determine the proportion of women on medical therapy to correct anemia, defined as hemoglobin <12.0g/dL prior to myomectomy and to determine the association between preoperative optimization and transfusion rates, accounting for preoperative anemia. Materials and Methods: Patients undergoing myomectomy (open, laparoscopic, or robot-assisted) between February 2015 and June 2018 at a single high-volume academic hospital were included. Results: There were 224 patients who underwent open (70.5%), laparoscopic (10.7%), or robotic (18.8%) myomectomy, with 30.4% ( n = 68) anemic immediately prior to surgery. Of those patients, 76.5% ( n = 52) received medical preoperative optimization before surgery: 23 (33.8%) had iron therapy alone; 16 (23.5%) had hormonal therapy alone; 12 (17.7%) had iron and hormonal therapy; and 9 (13%) had tranexamic acid. Perioperative blood transfusion—a transfusion given intraoperatively or within 2 days postoperatively was given to 32 (14.3%) patients; 84.4% ( n = 27) were open cases. Half ( n = 16) of the transfused patients were anemic before surgery and 25% were not receiving preoperative medical optimization. Preoperative anemia significantly increased the odds of perioperative blood transfusion (odds ratio [ OR ] = 2.69, 95% confidence interval [CI] :1.26–5.77; p = 0.011). Taking medications prior to surgery did not affect the odds of receiving transfusion across all patients, including those with preoperative anemia (adjusted OR = 0.87; 95% CI: 0.38–1.98; p = 0.732). Conclusions: One quarter of transfused patients were not on medications preoperatively despite being anemic. An attempt should be made to optimize and correct anemia actively prior to myomectomy, particularly for a planned open procedure. (J GYNECOL SURG 38:120)
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 | 0,011 |
| 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 ».