Patient Safety and Quality Improvement Initiatives in Cleft Lip and Palate Surgery: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Cleft lip and/or palate repair techniques require continued reevaluation of best practice through high-quality evidence. The objective of this systematic review was to highlight the existing evidence for patient safety and quality improvement (QI) initiatives in cleft lip and palate surgery. METHODS: A systematic review of published literature evaluating patient safety and QI in patients with cleft lip and/or palate was conducted from database inception to June 9, 2022, using Preferred Reporting Items for Systematic Reviews guidelines. Quality appraisal of included studies was conducted using Methodological Index for Non-Randomized Studies, Cochrane, or a Measurement Tool to Assess Systematic Reviews (AMSTAR) 2 instruments, according to study type. RESULTS: Sixty-one studies met inclusion criteria, with most published between 2010 and 2020 (63.9%). Randomized controlled trials represented the most common study design (37.7%). Half of all included studies were related to the topic of pain and analgesia, with many supporting the use of infraorbital nerve block using 0.25% bupivacaine. The second most common intervention examined was use of perioperative antibiotics in reducing fistula and infection (11.5%). Other studies examined optimal age and closure material for cleft lip repair, early recovery after surgery protocols, interventions to reduce blood loss, and safety of outpatient surgery. CONCLUSIONS: Patient safety and QI studies in cleft surgery were of moderate quality overall and covered a wide range of interventions. To further enhance PS in cleft repair, more high-quality research in the areas of perioperative pharmaceutical usage, appropriate wound closure materials, and optimal surgical timing are needed.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».