Outcomes of intraoperative Completion Imaging in Lower Limb Bypass Surgery - a systematic review
Notice bibliographique
Résumé
Introdução Nesta revisão sistemática avaliamos o papel de métodos de completion imaging intraoperatórios (CIM) em detetar defeitos intraoperatórios e prever a patência dos bypass. Métodos Foi conduzida uma revisão sistemática de acordo com as guidelines da PRISMA. Estudos de cirurgia de bypass dos membros inferiores com angiografia, doppler duplex scan (DUS) e angiografia foram identificados nas bases de dados MEDLINE, Web of Science e SCOPUS. O risco de viés foi avaliado através da Newcastle-Ottawa Scale (NOS) para estudos coorte, e a Joanna Briggs Institute (JBI) checklist para series de casos. Resultados Trinta e dois estudos foram incluídos. A mediana e intervalo interquartil de deteção de defeitos foi de 11% (7-14.5%) para angiografia, 24% (15.5-47.5%) for DUS e 15% (9-35%) para angioscopia. A mediana e intervalo interquartil da taxa de correção de erros foi de 87.5% (80.4-95.1%) para angiografia, 100% (39.4-100%) para DUS e 62.5% (50-62.5%) para angioscopia. Todos os métodos demonstraram elevada patência aos 30 dias, sem diferenças significativas de patência a curto ou longo prazo entre métodos. Conclusão As técnicas de CIM detetam defeitos no bypass com elevada efetividade. O Doppler é preferível como método inicial, angiografia como segunda opção e angioscopia como método confirmatório. A patência é comparável entre todos, permitindo a escolha do método tendo em conta o contexto individual.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».