Patient‐dependent risk factors for wound infection after skin surgery: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Postoperative wound infection in dermatologic surgery causes impaired wound healing, poor cosmetic outcome and increased morbidity. Patients with a high-risk profile may benefit from perioperative antibiotic prophylaxis. The objective of this systematic review was to identify risk factors for surgical site infection after dermatologic surgery. In this article, we report findings on patient-dependent risk factors. The literature search included MEDLINE, EMBASE, CENTRAL and trial registers. We performed meta-analysis, if studies reported sufficient data to calculate risk ratios with 95% confidence intervals. Study quality was assessed according to the Newcastle-Ottawa-Scale. Seventeen observational studies that analysed 31213 surgical wounds were eligible for inclusion. Fourteen studies qualified for meta-analysis. Nine studies showed good, three fair and five poor methodological quality. The reported incidence of surgical site infection ranged from 0.96% to 8.70%. Meta-analysis yielded that male gender and immunosuppression were significantly associated with higher infection rates. There was a tendency towards a higher infection risk for patients with diabetes, without statistical significance. Meta-analysis did not show different infection rates after excision of squamous cell carcinoma or basal cell carcinoma, but studies were substantially heterogenous. There was no significant association between risk for wound infection and smoking, age over 60 years, oral anti-aggregation or anti-coagulation or excision of malignant melanoma. In conclusion, the risk for surgical site infection in dermatologic surgery is low. Infection rates were increased significantly in male as well as immunosuppressed patients and non-significantly in diabetics.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,021 | 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 ».