The incidence and risk factors of urinary tract infections in patients undergoing bladder tumor resection: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIM: To summarise the available evidence concerning the incidence and risk factors of UTIs in bladder cancer patients after surgery. METHODS: Systematic searches were conducted on PubMed, Embase, Web of Science, Cochrane Library, CINAHL, the China National Knowledge Base Database (CNKI), Wanfang Database, Vips Database (VIP), and the China Biomedical Database (Sinomed). These searches encompassed literature from the inception of each database up to March 2025. This study adhered rigorously to the PRISMA guidelines. The quality of the studies included in the review was assessed using the Joanna Briggs Institute (JBI) Centre for Evidence-Based Health Care in Australia and the Newcastle-Ottawa Scale. RESULTS: A total of 19 original studies were included in this analysis, encompassing 5,905 patients. The meta-analysis results indicated that the incidence of UTIs in patients with bladder tumor resection was 22.3% [95% CI (17.7, 27.3)]. The identified risk factors for UTIs in patients with bladder cancer after surgery include diabetes, age, preoperative catheter indwelling, Use of antibiotics before surgery, and Operation time≥90 min. CONCLUSIONS: UTIs are higher in patients who have undergone bladder tumor resection. Clinical staff should prioritize preoperative assessment and risk stratification for UTIs. They must adhere to established guidelines and recommendations regarding the prophylactic use of antibiotics before surgery, maintain strict control of patients' blood sugar levels, and manage catheters meticulously to minimize the risk of UTIs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,001 |
| 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 ».