Modifiable risk factors for perioperative hidden blood loss in unilateral biportal endoscopic surgery: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Unilateral biportal endoscopic (UBE) surgery enables precise treatment of lumbar spine pathologies due to its inherent advantages typical of minimally‑invasive endoscopic procedures, including reduced intraoperative blood loss and minimal soft tissue dissection. However, hidden blood loss (HBL) remains a significant challenge in UBE, with limited data regarding its incidence and risk factors. AIM: This study aimed to investigate risk factors associated with HBL in UBE surgery. MATERIALS AND METHODS: Original studies evaluating risk factors for HBL in UBE surgery were systematically searched in MEDLINE, Embase, China National Knowledge Infrastructure, Wanfang Data, and the Cochrane Central Register of Controlled Trials (up to March 2025). The included studies met the quality assessment criteria of the Newcastle‑Ottawa Scale. RESULT: Six studies involving 601 patients subjected to lumbar UBE surgery were included. Our meta‑analysis identified that higher body mass index (BMI), prolonged surgical time, preoperative hypertension, and elevated preoperative hematocrit (HCT) levels were significant risk factors for increased HBL in UBE surgery (P <0.05). Sensitivity analysis confirmed the robustness of these findings, with no changes in the significance of the pooled results. CONCLUSION: Higher BMI, prolonged surgical time, preoperative hypertension, and elevated preoperative HCT levels are associated with an increased risk of HBL in patients undergoing lumbar UBE surgery. This study serves as a baseline reference for developing public health strategies to mitigate HBL in UBE procedures.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,003 |
| Bibliométrie | 0,002 | 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 ».