Surgeon Preferences Worldwide in Wound Drain Utilization in Open Lumbar Fusion Surgery for Degenerative Pathologies
Notice bibliographique
Résumé
Study Design Cross-sectional survey. Objective Although literature does not recommend routine wound drain utilization, there is a disconnect between the evidence and clinical practice. This study aims to explore into this controversy and analyze the surgeon preferences related to drain utilization, and the factors influencing drain use and criterion for removal. Methods A survey was distributed to AO Spine members worldwide. Surgeon demographics and factors related to peri-operative drain use in 1 or 2-level open fusion surgery for lumbar degenerative pathologies were collected. Multivariate analyses by drain utilization, and criterion of removal were conducted. Results 231 surgeons participated, including 220 males (95.2%), orthopedics (178, 77.1%), and academic/university-affiliated (114, 49.4%). Most surgeons preferred drain use (186, 80.5%) and subfascial drains (169, 73.2%). Drains were removed based on duration by 52.87% of the surgeons, but 27.7% removed drains based on outputs. On multivariable analysis, significant predictors of drain use were surgeon’s aged 35-44 (OR = 11.9, 95% CI = 1.2-117.2, P = .034), 45-54 (29.1, 3.1-269.6, P = .003), 55-64 (8.9, 1.4-56.5, .019), and wound closure using coaptive films (6.0, 1.2-29.0, P = .025). Additionally, surgeons from Asia Pacific (OR = 5.19, 95% CI = 1.65-16.38, P = .005), Europe (3.55, 1.22-10.31, P = .020), and Latin America (4.40, 1.09-17.83, .038) were more likely to remove drain based on time duration, but surgeons <5 years of experience (10.23, 1.75-59.71, P = .010) were more likely to remove drains based on outputs. Conclusions Most spine surgeons worldwide prefer to place a subfascial wound drain for degenerative open lumbar surgery. The choice for drain placement is associated with the surgeon’s age and use of coaptive films for wound closure, while the criterion for drain removal is associated with the surgeons’ region of practice and experience.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».