Open Ankle Fractures: What Predicts Infection? A Multicenter Study
Notice bibliographique
Résumé
Objective: To identify the patient, injury, and treatment factors associated with an acute infection during the treatment of open ankle fractures in a large multicenter retrospective review. To evaluate the effect of infectious complications on the rates of nonunion, malunion, and loss of reduction. Design: Multicenter retrospective review. Setting: Sixteen trauma centers. Patients: One thousand and 3 consecutive skeletally mature patients (514 men and 489 women) with open ankle fractures. Main Outcome Measures: Fracture-related infection (FRI) in open ankle fractures. Results: The charts of 1003 consecutive patients were reviewed, and 712 patients (357 women and 355 men) had at least 12 weeks of clinical follow-up. Their average age was 50 years (range 16–96), and average BMI was 31; they sustained OTA/AO types 44A (12%), 44B (58%), and 44C (30%) open ankle fractures. The rate FRI rate was 15%. A multivariable regression analysis identified male sex, diabetes, smoking, immunosuppressant use, time to wound closure, and wound location as independent risk factors for infection. There were 77 cases of malunion, nonunion, loss of reduction, and/or implant failure; FRI was associated with higher rates of these complications ( P = 0.01). Conclusions: Several patient, injury, and surgical factors were associated with FRI in the treatment of open ankle fractures. Level of Evidence: Prognostic Level III. See Instructions for Authors for a complete description of levels 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 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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».