Commentary on: Postoperative Antibiotics Following Reduction Mammaplasty Does Not Reduce Rates of Surgical Site Infection
Notice bibliographique
Résumé
There is still confusion around the recommendations for whether or not to give postoperative antibiotics to breast reduction patients, especially when they are obese or have high resection weights.The authors have tried to solve this question, as have many before them.The authors utilized information derived from a private commercial database called PearlDiver (Colorado Springs, CO). 1 This company uses private insurance claims from various American providers such as Humana (Louisville, KY) and United Healthcare (Minnetonka, MN), as well as government claims from Medicare.These data appear to be quite comprehensive, but their website is opaque, and I have not yet received an answer to my questions from them.The populations are not randomly sampled but that may not make a difference for this study.The authors state that the advantage of this private insurance-derived database is that it follows patients for 90 days instead of the 30 days employed in the National Surgical Quality Improvement Program (NSQIP) database.This may not be an important point, because most infections appear within the 30-day window.Aside from its limitations, the NSQIP database is widely believed to be the most precise and accurate database available for measuring patient outcomes after surgery, given its high rate of complete data sets, operative data points, validation, and interrater reliability.It is clear, however, that any database today has its limitations.The authors were able to follow 2230 breast reduction patients who had postoperative antibiotics, and they were able to match them with 2230 breast reduction patients who did not have postoperative antibiotics.The
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,003 |
| 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 ».