589 Exploring Outcomes of Necrotising Fasciitis in Diabetic vs Non-Diabetic Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Aim Necrotising fasciitis (NF) is a life-threatening soft tissue infection with significant morbidity and mortality. Diabetes mellitus is a key risk factor influencing the progression, outcome, and management of NF. Despite its importance, literature exploring the disparities between diabetic and non-diabetic NF patients remains limited. Perform a systematic review and meta-analysis comparing outcomes of NF in diabetic versus non-diabetic patients. Method A systematic review and meta-analysis were conducted following PRISMA guidelines. A search of the CENTRAL and PubMed identified all studies reporting outcomes in both cohorts. Nine studies involving over 1,200 patients were included. Primary outcome measures were amputation rates, mortality, admission length, debridement frequency, and microbial growth. Secondary outcomes included LRINEC scores, BMI, and renal disease. Odds ratios (OR) and mean differences (MD) with 95% confidence intervals (CI) were calculated using OpenMeta[Analyst] software. Heterogeneity was assessed via Cochran’s Q test and I² statistics. The Newcastle-Ottawa Scale evaluated study quality and bias risk. Results Diabetic patients had significantly higher amputation rates (OR 3.790, 95% CI:3.053–4.705; p<0.001) and incidence of polymicrobial infections (OR 2.475, 95% CI:1.475–4.155; p<0.001). Diabetics displayed higher mortality after sensitivity analysis (p=0.011). No significant differences were observed in admission duration or debridement frequency. Diabetic patients had significantly higher LRINEC scores (MD 2.024, 95% CI:1.332–2.716; p<0.001). Conclusions Diabetic NF patients experience worse outcomes, including higher amputation rates, mortality, and more severe infections. This meta-analysis underscores the need for early intervention, tailored management, and standardisation of diagnosis to improve outcomes in diabetic NF populations. Further high-quality prospective studies are warranted.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,045 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».