Shouldice vs Lichtenstein Inguinal Hernia Repair: A Propensity Score–Matched Analysis Comparing Early Postoperative Pain and Quality of Life
Notice bibliographique
Résumé
BACKGROUND: Tissue-based inguinal hernia repairs (IHRs), such as the Shouldice technique, are an acceptable alternative to mesh-based repair in appropriately selected patients; however, they are often thought to be more painful than tension-free repair in the early postoperative period. We aimed to compare short-term pain and quality of life (QoL) between the Shouldice and Lichtenstein techniques for IHR. STUDY DESIGN: The Abdominal Core Health Quality Collaborative database was queried for patients who underwent open IHR between January 2017 and April 2023. Patients who underwent Shouldice repair were propensity score matched to patients who underwent Lichtenstein repair based on several covariates: age, BMI, American Society of Anesthesiologists class, diabetes, anticoagulation use, smoking, scrotal component, and QoL overall score at baseline. The primary outcome was 30-day QoL as measured by the validated European Registry for Abdominal Wall Hernias (EuraHS) survey with overall, pain, and restriction-specific subdomains where higher scores are associated with worse QoL. Additionally, the amount of narcotics taken was evaluated. RESULTS: A total of 1,600 patients underwent IHR by either Shouldice or Lichtenstein technique. After propensity score matching, 109 patients remained in the Shouldice group, and 183 patients remained in the Lichtenstein group. At 30 days, median overall (13.33 vs 14, p = 0.5), pain (3 vs 2, p = 0.12), and restriction (6 vs 4, p = 0.4) EuraHS scores were similar between the Shouldice and Lichtenstein groups. Patients who underwent Shouldice repair were more likely to have taken zero opioid tablets than those who underwent Lichtenstein repair (68% vs 55%, p = 0.035). CONCLUSIONS: Shouldice repair demonstrated similar pain and QoL at 30 days when compared with Lichtenstein repair. These data should guide shared decision-making discussions when considering which approach to perform in suitable candidates undergoing open IHR.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».