Canadian Society of Plastic Surgeons / Société Canadienne Des Chirurgiens Plasticiens77 <sup>th</sup> Annual Meeting / 77e Réunion annuelle June 18-22 juin 2024 Halifax, NS/N-É
Notice bibliographique
Résumé
PURPOSE: Periprosthetic infection (PPI) is a rare complication associated with alloplastic breast reconstruction resulting in reconstructive failure, delay of adjuvant therapies, and re-operations.Despite multiple observational cohort studies, the optimal PPI management remains unclear.The aim of this study was to develop a clinical prediction tool to guide management of PPI.METHODS: A multicenter retrospective cohort study was conducted.Consecutive breast cancer patients who underwent immediate alloplastic breast reconstruction between 2010-2020 were included.Data was collected including patient, oncologic, and reconstructive factors for patients whose postoperative course was complicated by either cellulitic or periprosthetic infection.Two models were created for prediction of progression from cellulitis to PPI and from breast infection to reconstructive failure.RESULTS: A total of 1468 patients (2165 breasts) were included.The incidence of infection was 7.1% (n = 145).The implant reconstruction was salvaged in 67.1% (n = 104) of cases.The first model, predicting progression from cellulitis to periprosthetic infection, had good predictive accuracy with an AUC of 0.61 (95% CI 0.53-0.70;p < 0.001).The second model, predicting progression to recons1e failure had good predictive accuracy with an AUC of 0.79 (95% CI 0.71-0.87;p < 0.001).Models were converted into risk stratification tools where five clinical variables were identified for a prediction scoring model with weighted points for each tool.CONCLUSIONS: This study presents novel clinical prediction tools with good predictive accuracy.Application of these prediction tools can assist the clinician in making evidence-based treatment decisions for treatment of PPI following alloplastic breast reconstruction.Future research will aim to prospectively validate treatment algorithms and improve reconstructive success.LEARNING OBJECTIVES: To identify prognostic factors in the progression of breast cellulitis to PPI and reconstructive success following PPI.To discuss how these prognostic factors can be applied to guide clinical management of breast infection following alloplastic breast reconstruction.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».