Anastomotic Stricture in End-to-End Anastomosis—Risk Factors in a Series of 261 Patients with Esophageal Atresia
Notice bibliographique
Résumé
Abstract Aim To assess the risk factors for anastomotic stricture (AS) in end-to-end anastomosis (EEA) in patients with esophageal atresia (EA). Methods With ethical consent, hospital records of 341 EA patients from 1980 to 2020 were reviewed. Patients with less than 3 months survival (n = 30) with Gross type E EA (n = 24) and with primary reconstruction (n = 21) were excluded. Outcome measures were revisional surgery for anastomotic stricture (RSAS) and number of dilatations required for anastomotic patency without RSAS. The factors that were tested for risk of RSAS or dilatations were distal tracheoesophageal fistula (TEF) at the carina in C-type EA (congenital TEF [CTEF]), type A/B EA, antireflux surgery (ARS), anastomotic leakage, recurrent TEF, and Spitz group and congenital heart disease. Main Results A total of 266 patients, Gross type A (n = 17), B (n = 3), C (n = 237), or D (n = 9) underwent EEA (early n = 240, delayed n = 26). Early anastomotic breakdown required secondary reconstruction in five patients. Of the remaining 261 patients, 17 (6.1%) had RSAS, whereas 244 patients with intact end to end required a median of five (interquartile range: 2–8) dilatations for anastomotic patency. Main risk factors for RSAS or (> 8) dilatations were CTEF, type A/B, ARS, and anastomotic leakage that increased the risk of RSAS or dilatations from 4.6- to 11-fold. Conclusion The risk of severe AS is associated with long-gap EA, significant gastroesophageal reflux, and anastomotic leakage.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».