The prevalence and risk factors for portal vein thrombosis following hepatectomy: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: The prevalence and risk factors of portal vein thrombosis (PVT) are largely unclear, with an increasing number of studies reporting inconsistent results. AIM: The current study aimed to evaluate the prevalence and risk factors of PVT following hepatectomy through a systematic review and meta‑analysis. MATERIALS AND METHODS: A comprehensive literature search was conducted across multiple databases (PubMed, Embase, and the Cochrane Library) to identify relevant studies. Prospective and retrospective studies reporting on PVT following hepatectomy were included. The Newcastle‑Ottawa Scale (NOS) was used to assess study quality, and the random effects model was used to analyze the prevalence and risk factors. Result: A total of 15 studies involving 5145 patients were included in the current meta‑analysis. The pooled prevalence of PVT following hepatectomy was 9% (95% CI, 7%-12%) with substantial heterogeneity (I2 = 93.1%). Subgroup analyses showed that a prospective design and larger sample size were associated with lower prevalence rates. PVT prevalence was higher among the patients undergoing simultaneous splenectomy and hepatectomy. Liver cirrhosis (odds ratio [OR], 5.18; 95% CI, 1.85-14.47), portal vein resection (OR, 5.07; 95% CI, 2.2-11.66), and right‑sided hepatectomy (OR, 6.26; 95% CI, 1.8-21.76) were significant risk factors for PVT. CONCLUSIONS: PVT is a notable complication following hepatectomy, with an overall prevalence of 9%. Specific factors that significantly increase the risk of PVT include liver cirrhosis, portal vein resection, and right‑sided hepatectomy.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».