The Role of Negative Pressure Wound Therapy in Temporizing Traumatic Wounds before Lower Limb Soft Tissue Reconstruction: A Systematic Review
Notice bibliographique
Résumé
Background: In practice, there is often a delay from initial debridement and temporary fixation to definitive soft tissue coverage of traumatic leg wounds. Without clear evidence, conservative negative pressure wound therapy (NPWT) is increasingly used to temporize these wounds. This systematic review summarizes and synthesizes the literature on using NPWT to temporize traumatic leg wounds before surgery in adult surgical patients. Methods: A comprehensive search of Medline, Embase, and Cochrane Library was performed from inception until July 2022, inclusively. Two independent reviewers performed screening, data extraction, and risk of bias assessment. Primary English studies, including adult patients (≥16 years old) with a fracture below the knee up to and including the ankle that received NPWT to temporize wounds before definitive soft tissue reconstruction with a flap and/or graft, were included. Results: Thirty-four studies, including 804 patients who received NPWT, were included. The partial/total flap loss rate was 6.95% (n = 9 studies), the infection rate was 19.5% (n = 25 studies), the nonunion rate was 18% (n = 15 studies), the delayed union rate was 9.31% (n = 3 studies), and the amputation rate was 15.4% (n = 6 studies). The mean late stay was 43.1 days (n = 9 studies), and the follow-up length was 23.7 months (n = 9 studies). The mean time to wound healing was 5.63 months (n = 2 studies), and the time to soft tissue coverage was 40.8 days (n = 12 studies). The mean time to achieve bone union was 7.26 months (n = 6 studies). Conclusion: NPWT can be used to temporize traumatic wounds while awaiting soft tissue 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».