Timing effects of short-term smoking cessation on lung cancer postoperative complications: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Preoperative smoking cessation may reduce postoperative complications in patients with lung cancer. However, the optimal duration of short-term preoperative smoking cessation remains unclear. METHODS: Three databases, PubMed, Embase, and the Cochrane Library, were searched for studies published up to April 5, 2024. The Newcastle-Ottawa scale was used to assess the risk of bias. The included studies compared the incidence of postoperative complications between patients with different preoperative smoking cessation times and those with persistent preoperative smoking. A meta-analysis of postoperative complications and events such as pneumonia was performed in patients with lung cancer. RESULTS: Fourteen studies met the inclusion criteria and included a total of 50,741 patients who had undergone pulmonary resection. The meta-analysis showed that preoperative smoking cessation of > 2 weeks and < 1 month did not reduce the incidence of postoperative complications (odds ratio [OR] 1.05; 95% confidence interval [CI] 0.76-1.44; P = 0.78) and pneumonia (OR 0.98; 95% CI 0.60-1.61; P = 0.95). Moreover, preoperative smoking cessation for > 1 month was effective in reducing the incidence of postoperative complications (OR 0.72; 95% CI 0.63-0.83; P < 0.01) as well as pneumonia (OR 0.80; 95% CI 0.49-1.33; P = 0.40). CONCLUSIONS: This meta-analysis suggests that preoperative smoking cessation for > 1 month is effective in reducing complications and pneumonia after pulmonary resection in patients with lung cancer, especially as video-assisted thoracoscopic surgery (VATS) and robotic-assisted surgery become more common.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,001 | 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 ».