The global, prevalence, and risk factors of postoperative fever after percutaneous nephrolithotomy: A systematic review and meta-analysis
Notice bibliographique
Résumé
This study aimed to explore the global, prevalence, and risk factors of fever after percutaneous nephrolithotomy (PCNL) by conducting a systematic review and meta-analysis. The high-sensitivity searching was conducted without time limitation until Dec 30, 2020 in Web of Sciences, Scopus, and PubMed based on inclusion and exclusion criteria. The prevalence rates of fever and sepsis among patient undergoing PCNL are estimated 9.5% (95% confidence interval [CI]: 9.3%–9.7%), and 4.5% (95% CI: 4.2%–4.8%), respectively. Nephrostomy tube is used in 49.1% (95% CI: 47.9%–50.4%) of patient. The mean preoperative white blood cells (WBCs) of patients were 6.401 per microliter; 18.3% and 4.55% of patents were considered as the positive urinary culture, and pyuria, respectively. About 20.4% of patients suffered from residual stones. The odds ratio (OR) of fever in patients who suffering from diabetes mellitus was (OR: 4.62; 95% CI: 2.95–7.26), hydronephrosis was (OR: 1.04; 95% CI: 0.81–1.34), staghorn stones was (OR: 2.57; 95% CI: 0.93–7.11), and blood transfusion was (OR: 2.65; 95% CI: 1.62–4.35). Patients underwent PCNL who lied down in prone position were more likely to fever (OR: 1.23; 95% CI: 0.75–2.00) than patients in supine position. The current study showed that patients who suffer from diabetes mellitus, hydronephrosis, staghorn stones, nephrostomy tube or double-J stent, blood transfusion, and also ones who underwent prone position PCNL surgery have more likely to develop a postoperative fever after PCNL.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».