Targeted Muscle Reinnervation and Regenerative Peripheral Nerve Interfaces Versus Standard Management in the Treatment of Limb Amputation: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: Painful neuromas are a common postoperative complication of limb amputation often treated with secondary reinnervation. Surgical reinnervation include Targeted Muscle Reinnervation (TMR) and Regenerative Peripheral Nerve Interface (RPNI), and can be primary and secondary. The aim of this review is to assess the effects of primary TMR/RPNI at the time of limb amputation on the incidence and intensity of post-operative neuroma and pain. Methods: This review was registered a priori on PROSPERO (CRD42021264360). A search of the following databases was performed in June 2021: Medline, EMBASE, and CENTRAL. Unpublished trials were searched using clinicaltrials.gov. All randomized and non-randomized studies assessing amputation with a reinnervation strategy (TMR, RPNI) were included. Outcomes evaluated included the incidences of painful neuroma, phantom limb pain (PLP), residual limb pain (RLP), as well as severity of pain, and Pain intensity, behavior, and interference (PROMIS). Results: Eleven studies were included in this systematic review, and five observational studies for quantitative synthesis. Observational study evidence suggests that TMR/RPNI results in a statistically significant reduction in incidence, pain scores and PROMIS scores of PLP and RLP. Decreased incidence of neuromas favored primary TMR/RPNI, but this did not achieve statistical significance (p = 0.07). Included studies had moderate to critical risk of bias. Conclusion: The observational data suggests that primary TMR/RPNI reduces incidence, pain scores and PROMIS scores of PLP and RLP. Going forward, randomized trials are warranted to evaluate this research question, particularly to improve the certainty 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,030 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».