Shouldice versus Lichtenstein inguinal hernia repair: A meta‐analysis of randomized controlled trials
Notice bibliographique
Résumé
Abstract Background The Lichtenstein technique is the standard treatment for adult open inguinal hernia repair. Among the non‐mesh repair techniques, Shouldice has shown the best results and is comparable to mesh repairs in selected cases. Due to the risk of chronic groin pain associated with the Lichtenstein technique, Shouldice has increased in popularity, and some surgeons have adopted it as a viable first‐line option. Methods MEDLINE, Cochrane, Central Register of Clinical Trials, and EMBASE for randomized controlled trials (RCT) published until February 2024. Risk ratios (RRs) with 95% confidence intervals (CIs) were pooled using a random‐effects model. Heterogeneity was assessed using the Cochran Q test and I 2 statistics with p ‐values <0.10 and I 2 > 25% considered significant. Statistical analysis was performed using R Software, version 4.1.2. Results Fourteen RCTs comprising 2784 patients were included, of whom 1379 (47.5%) were submitted to the Shouldice hernia repair and 1513 (52.5%) to the Lichtenstein technique. Shouldice was associated with a significant increase in the recurrence rate (4.2% vs. 0.9%; RR 3.68; 95% CI 2.05–6.60; p < 0.001; I 2 = 0%) compared with Lichtenstein. The number needed to treat (NNT) to prevent one Shouldice recurrence was 30.3. There were no significant differences between groups in chronic pain, urinary retention, bladder injury, testicular atrophy, wound infection, hematoma–seroma, or hypesthesia. Conclusion The Lichtenstein technique was associated with reduced recurrence rates compared with Shouldice in patients undergoing inguinal hernia repair. However, the overall recurrence rate with the Shouldice technique was still low (4.2%), suggesting that it may be a viable option in selected patients.
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 | 0,059 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,079 | 0,136 |
| Bibliométrie | 0,008 | 0,003 |
| 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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».