What are the risk factors for erectile dysfunction following penile fracture surgery? A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Penile fracture is one of the rare urological emergencies resulting in rupture of the tunica albuginea in the penile corpora cavernosa. Sexual intercourse is known to be the most common aetiology of penile fracture, which usually happens during erection. Immediate surgical intervention is crucial to avoid any complications. Erectile dysfunction is the most feared complication after surgery. This meta-analysis aimed to analyse and determine risk factors of erectile dysfunction among patients who underwent penile fracture surgery. METHODS: Literature searching was conducted in several databases, e.g., Pubmed, Cochrane, ScienceDirect, Google Scholar and DOAJ by applying the Boolean term method. Statistical analyses and risk of bias assessment were calculated through RevMan 5.4.1 and the Newcastle Ottawa Scale (NOS), respectively. Outcomes were presented as odds ratio (OR). RESULTS: A total of 6 studies were included, encompassing 527 patients who were diagnosed with penile fracture and underwent surgery for repairment. Risk factors for post-surgery erectile dysfunction were calculated. Age (OR = 0.19, 95% CI [0.07, 0.52], p=0.001), location of fracture (OR = 0.43, 95% CI [0.22, 0.84], p=0.01), and side of fracture (OR = 0.06, 95% CI [0.02, 0.21], p<0.0001) have significant relations with erectile dysfunction. Whereas aetiology, urethral injury, and timing of presentation have statistically non significant effect on the incidence of erectile dysfunction. CONCLUSIONS: This systematic review and meta-analysis showed that patients over 50 years of age, those with midshaft fracture, and those with bilateral fractures are significantly more likely to have erectile dysfunction following penile fracture surgery.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,011 |
| 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 | 0,001 | 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 ».