The prevalence and risk factors of intraoperative hypothermia in patients with hip/knee arthroplasty: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Intraoperative hypothermia (IOH) is common among patients undergoing total joint arthroplasty (TJA) of the lower extremities. Evaluating the risk factors for IOH is critical for the success of preventive interventions. This study aims to systematically assess the prevalence and risk factors of IOH in TJA patients. DESIGN: Systematic review and meta-analysis. METHODS: Two independent researchers conducted a literature search across eight databases: PubMed, Web of Science, Embase, Cochrane Library, CNKI, VIP, WANFANG Data, and CBM. The quality of included studies was assessed using the Newcastle-Ottawa Scale. A random-effects model was employed to analyze the prevalence and risk factors of IOH. All analyses were performed using Stata 12.0 software. RESULTS: Across 21 cohort studies on TJA patients, the pooled prevalence of IOH was 35.28% (95% CI: 27.50%-43.48%). Subgroup analysis revealed an IOH prevalence of 38.66% (95% CI: 28.67%-49.16%) in THA patients and 27.23% (95% CI: 18.37%- 37.11%) in TKA patients. Significant risk factors for IOH included intraoperative blood loss, intraoperative infusion volume, operating room temperature, and surgical time. Current evidence does not support a clear association between patient age, anesthesia time, and IOH. CONCLUSION: Our Meta-analysis indicates that the prevalence of IOH is high among TJA patients, despite significant heterogeneity (I² =98.7%, τ²= 0.15), the pooled analysis suggested the prevalence of IOH in TJA patients was 35.28% (95% CI: 27.50%-43.48%). However, the interpretation of these findings should be cautious due to substantial variability across studies. Additionally, assessment of intraoperative blood loss, infusion volume, operating room temperature, and surgical time should be integral to IOH risk evaluation in TJA patients. Future studies are needed to further explore the roles of age and anesthesia time as potential risk factors. Tailored IOH prevention strategies should be developed by addressing modifiable risk factors. TRIAL REGISTRATION: PROSPERO Registration ID: CRD42024559846
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».