Incidence Rate and Determinants of Recurrent Cholesteatoma Following Surgical Management: A Systematic Review, Subgroup, and Meta-Regression Analysis
Notice bibliographique
Résumé
Background/Objectives: Cholesteatoma is a destructive middle ear pathology that can cause chronic infection, ossicular erosion, and hearing loss. While surgical excision is the standard treatment, recurrence remains a major clinical challenge, and comprehensive data on long-term outcomes are limited. This meta-analysis evaluated cholesteatoma recurrence rates following surgery, identified clinical and surgical predictors of recurrence, and assessed trends across follow-up durations, techniques, and patient demographics. Methods: We searched PubMed, Scopus, Web of Science, CENTRAL, and Google Scholar for relevant studies (CRD42024550351). Studies reporting postoperative recurrence were included. Data on demographics, surgical approach, cholesteatoma type, and outcomes were extracted. Risk of bias was assessed using the Newcastle–Ottawa Scale. Pooled recurrence rates were calculated using random-effects models, and subgroup and meta-regression analyses were performed to identify predictors. Results: Eighty-four studies comprising 12,819 patients were included. The cholesteatoma recurrence rate showed geographic variability. Recurrence was higher in children (13%) than adults (10%), and in acquired (12%) versus congenital (7%) cholesteatoma. Advanced-stage disease, left-sided lesions, and revision surgeries increased recurrence risk. Canal wall down had lower recurrence (7%) than canal wall up techniques (16%). Adjuncts such as mastoid obliteration, ossicular reconstruction, and planned second-look surgeries reduced recurrence. Cumulative recurrence reached 39% at 15 years and 33% at 25 years. Meta-regression identified age, staged procedures, and second-look surgeries as independent predictors. Conclusions: Cholesteatoma recurrence is influenced by age, surgical approach, and disease severity. CWD procedures and comprehensive surgical planning reduce recurrence risk. Long-term follow-up and standardized outcome definitions are essential to improve monitoring and disease control.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».