Notice bibliographique
Résumé
OBJECTIVE: This systematic review aims to evaluate current choices in practice and outcomes of biomaterials used in patch repair of congenital diaphragmatic hernia (CDH). BACKGROUND: Multiple biomaterials, both novel and combinations of pre-existing materials are employed in patch repair of large size CDHs. METHODS: A literature search was performed across Embase, Medline, Scopus, and Web of Science. Publications that explicitly reported patch repair, material used, and recurrences following CDH repair were selected. RESULTS: Sixty-three papers were included, presenting data on 4595 patients, of which 1803 (39.2%) were managed using 19 types of patches. Goretex® (GTX) (n=1106) was the most frequently employed patch followed by Dualmesh® (n=267), Surgisis® (n=156), Marlex®/GTX® (n=56), Tutoplast dura® (n=40), Dacron® (n=34), Dacron®/GTX® (n=32), Permacol® (n=24), Teflon® (n=24), Surgisis®/GTX® (n=15), Sauvage® Filamentous Fabric (n=13), Marlex® (n=9), Alloderm® (n=8), Silastic® (n=4), Collagen coated Vicryl® mesh (CCVM) (n=1), Mersilene® (n=1), and MatriStem® (n=1) Biomaterials were further subgrouped as: synthetic nonresorbable (SNOR) (n=1458), natural resorbable (NR) (n=241), combined natural and synthetic nonresorbable (NSNOR) (n=103), and combined natural and synthetic resorbable (NSR) (n=1). The overall recurrence rate for patch repair was 16.6% (n=299). For patch types with n>20, recurrence rate was lowest in GTX/Marlex (3.6%), followed by Teflon (4.2%), Dacron (5.6%), Dualmesh (12.4%), GTX (14.8%), Permacol (16.0%), Tutoplast Dura (17.5%), SIS/GTX (26.7%), SIS (34.6%), and Dacron/GTX (37.5%).When analyzed by biomaterial groups, recurrence was highest in NSR (100%), followed by NR (31.5%), NSNOR (17.5%), and SNOR the least (14.0%). CONCLUSION: In this cohort, over one-third of CDH were closed using patches. To date, 19 patch types/variations have been employed for CDH closure. GTX is the most popular, employed in over 60% of patients; however, excluding smaller cohorts (n<20), GTX/Marlex is associated with the lowest recurrence rate (3.6%). SNOR was the material type least associated with recurrence, while NSR experienced recurrence in every instance.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».