Evaluation of Negative Pressure Dressings for Closed Surgical Incisions in Decreasing Surgical Site Infections After Emergency Laparotomy: A Randomized Controlled Study
Notice bibliographique
Résumé
Objectives The aim of this study is to compare the effectiveness of negative pressure dressings (NPDs) versus conventional dressings for closed surgical incisions after emergency midline laparotomy, focusing on their impact on surgical site infection (SSI) rates, wound dehiscence, hospital stay duration, and cosmetic outcomes. Methods The randomized controlled study was conducted over 24 months, involving 80 patients aged 18-65 years who had peritonitis and underwent emergency midline laparotomies. Patients with diabetes mellitus, a BMI >35 kg/m², immunocompromised conditions, or those requiring re-exploration within 30 days of surgery were excluded. The participants were randomly assigned into two groups using a computer-generated randomization table: Group A, the case group, consisted of 40 patients who received NPDs, while Group B, the control group, included 40 patients who received conventional dressings. Data were recorded in Microsoft Excel (Microsoft Corporation, Redmond, WA, USA) and analyzed using IBM SPSS Statistics for Windows, Version 25.0 (Released 2017; IBM Corp., Armonk, NY, USA), with a p-value of <0.05 considered statistically significant. Results The overall occurrence of SSIs within the 30-day follow-up period was significantly lower in the NPD group compared to the conventional dressing group (30% vs. 70%, p < 0.05). The mean duration of hospital stay was 14.85 ± 10.43 days for the NPD group and 15.4 ± 9.75 days for the control group, with no statistically significant difference (p = 0.712). The mean Vancouver Scar Scale score was 5.3 ± 2.47 in the NPD group and 6.5 ± 2.14 in the control group, also showing no statistically significant difference (p = 0.11). Conclusions NPDs significantly reduced the incidence of SSIs compared to conventional dressings, but they did not have a significant impact on scar cosmesis or the duration of hospital stay.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».