Do Hypoalbuminaemia Increase the Risk of Surgical Site Infection in Neck of Femur Fracture Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Serum albumin plays an important role in physiological and inflammatory haemostasis, and low serum levels are linked with an increased incidence of surgical site infections (SSI). Although this has been demonstrated in the spine and elective arthroplasty settings, there is a paucity of evidence with regard to the effect of low serum albumin on rates of SSI following surgery for adult patients suffering from traumatic and acute hip fractures. A systematic review was conducted using the PRISMA guidelines. Four databases were searched for randomised controlled trials (RCTs), cohort studies, and case-controlled studies. The risk of bias was assessed using the Newcastle-Ottawa Score (NOS). Data was collected and pooled using RevMan Web software. Results were reported as odds ratios (OR) with 95% confidence intervals (CI) and statistical significance of p <0.05. An inverse variance model was used in the meta-analysis. Six retrospective studies (five cohorts and one case-control) with a total of 43,059 patients were included. 45.3% (n=19 496) had low serum albumin (<3.5 g/dL). Hypoalbuminemia was associated with a significantly higher risk of any form of SSI (OR 1.25, p=0.008) and deep SSI (OR 1.76, p=0.05). There was no statistical significance between hypoalbuminemia and the incidence of superficial SSI (OR 1.06, p=0.77). Organ-space SSI was associated with hypoalbuminemia, although one study reported this with poor statistical significance (OR 8.74, p<0.054). Hypoalbuminemia increases the risk of most forms of surgical site infections, both superficial and deep. There is a weak conclusion to draw between the incidence of deep-space organ infections and low serum albumin.
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 | 0,003 |
| 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 | 0,001 |
| 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 ».