The impact of diabetes on postoperative infections in colorectal cancer: A meta-analysis
Notice bibliographique
Résumé
Objective: This study aims to analyze and summarize the evidence concerning the relationship between diabetes and postoperative infections in colon cancer through a literature review. Methods: A comprehensive search was conducted on Chinese databases, including CNKI, VIP, Wanfang, and the biomedical literature database, as well as the English database PubMed. The search covered the period from February 1, 2003, to February 28, 2023. The Newcastle-Ottawa Scale was employed to score the included literature, and funnel plots along with Egger’s regression test were used to analyze publication bias. Stata 12.0 was utilized for the analysis of the collected raw data. Results: Following inclusion and exclusion criteria, this study incorporated seven retrospective studies, with a total of 4607 cases in the infection group and 9102 cases in the non-infection group. The quality scores of the seven studies ranged between 7 and 8 points. Funnel plot and Egger’s regression test analyses revealed no significant publication bias in the included literature. A correlation was identified between diabetes and postoperative infections in colon cancer, implicating diabetes as a risk factor for such infections. Subgroup analysis indicated that nationality, surgical methods, and infection types had no significant impact on the meta-analysis results. Conclusion: The analysis revealed a significant correlation between diabetes and postoperative infections in colon cancer. Diabetes emerged as a risk factor for postoperative infections, with odds ratios (OR) of 3.82 (P＞0.1) and 95% CI of 2.91-5.01. Controlling blood glucose levels was associated with a reduced risk of postoperative infections in colon cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».