Estratégias para Prevenção do Seroma em Pacientes Submetidos ao Tratamento Cirúrgico do Câncer de Mama: Revisão Sistemática da Literatura
Bibliographic record
Abstract
Introdução: O seroma é a complicação cicatricial mais incidente no pós-operatório do câncer de mama que impacta a qualidade de vida dos pacientes, podendo levar à necessidade de punções repetidas, novos procedimentos cirúrgicos e a atrasos no tratamento adjuvante. Objetivo: Revisão sistemática da literatura científica sobre os procedimentos utilizados para prevenção do seroma em pacientes submetidos ao tratamento cirúrgico do câncer de mama, abordando suas vantagens e desvantagens. Método: Utilizou-se o método da Colaboração Cochrane, sendo incluídos artigos de ensaios clínicos e estudos observacionais. Para identificar estudos relevantes, pesquisaram-se as seguintes bases de dados: MEDLINE via PubMed, PEDro, Cochrane Library e LILACS. A busca foi realizada nos períodos de outubro de 2022 a janeiro de 2023. A qualidade metodológica dos ensaios clínicos foi avaliada pela escala PEDro e a dos estudos observacionais, pela escala de Newcastle-Ottawa. Resultados: Foram identificados 405 artigos e, após avaliação, incluídos 24 para serem analisados. Existem várias abordagens que poderiam minimizar a incidência de seroma, como o uso de dreno, obliteração do espaço morto, os instrumentos utilizados para a dissecação tecidual e as técnicas que poderiam controlar o processo inflamatório. Conclusão: As estratégias de prevenção do seroma utilizadas nos estudos incluídos minimizaram sua incidência, com exceção do talco e do iodo, entretanto, os estudos que tiveram como objetivo a obliteração do espaço morto, seja com sutura quilting ou selante, mostraram resultados estatísticos mais significantes, sugerindo serem promissores para a prevenção do seroma.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.004 |
| Bibliometrics | 0.011 | 0.011 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".