Role of a skin bridge incision and prophylactic incisional negative-pressure wound therapy in the prevention of surgical site infection after inguinal lymph node dissection
Notice bibliographique
Résumé
Background: Modification of the surgical technique to a 2-incision technique with skin bridge from the traditional lazy S (LS) incision, as well as use of prophylactic incisional negative-pressure wound therapy (iNPWT), are theorized to reduce the risk of surgical site infection (SSI) after inguinal lymph node dissection (ILND). We sought to investigate the role of a perioperative ILND bundle on adverse events after ILND and lymph node harvest. Methods: We performed a retrospective review of patients who underwent ILND before and after implementation of the ILND bundle (September 2016) at 1 centre in southeastern Ontario between 2013 and 2018. The ILND bundle included a skin bridge incision, running subcuticular skin closure and NPWT. Previously, an LS incision was used, with stapled skin closure and conventional dressing. Development of SSI was the primary outcome, and dehiscence and seroma and hematoma formation were secondary outcomes. We estimated the associations using multivariable logistic regression. Results: Thirty-four ILNDs in 33 patients were included, 15 in the LS incision group and 19 in the perioperative bundle group. The baseline demographic characteristics of the 2 groups were similar. The perioperative bundle was associated with a reduction in the SSI rate (11 [73%] v. 6 [32%], p = 0.02) and elimination of wound dehiscence (0 [0%] v. 5 [33%], p = 0.006). On multivariable logistic regression, it was associated with a 5.9-fold reduction in the SSI rate (odds ratio 0.17, 95% confidence interval 0.03–0.74). Conclusion: The results suggest a decrease in SSI rates with use of a perioperative bundle compared to the LS incision and a standard dressing. Randomized controlled trials are required to better understand the associations among the skin bridge incision, iNPWT and SSI.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».