MétaCan
Menu
Retour à la cohorte
Enregistrement W1984093233 · doi:10.1359/jbmr.041133

Development and Initial Validation of a Risk Score for Predicting In‐Hospital and 1‐Year Mortality in Patients With Hip Fractures

2005· article· en· W1984093233 sur OpenAlexafffundabout
Hong Jiang, Sumit R. Majumdar, Donald Dick, Marc Moreau, James Raso, David Otto, D. W. C. Johnston

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueHip and Femur Fractures
Établissements canadiensGlenrose Rehabilitation HospitalUniversity of AlbertaRoyal Alexandra Hospital
Organismes subventionnairesAlberta Heritage Foundation for Medical Research
Mots-clésMedicineHip fractureMortality rateCohortPopulationCohort studyEmergency medicineProportional hazards modelPhysical therapyInternal medicineOsteoporosisEnvironmental health

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Our objectives were to better define the rates and determinants of in-hospital and 1-year mortality after hip fracture. We studied a population-based cohort of 3981 hip fracture patients. Using multivariable regression methods, we identified risk factors for mortality (older age, male sex, long-term care residence, 10 prefracture co-morbidities) and calculated a hip fracture-specific score that could accurately predict or risk-adjust in-hospital and 1-year mortality. Our methods, after further validation, may be useful for comparing outcomes across hospitals or regions. INTRODUCTION: Hip fractures in the elderly are common and associated with significant mortality and variations in outcome. The rates and determinants of mortality after hip fracture are not well defined. Our objectives were (1) to define the rate of in-hospital and 1-year mortality in hip fracture patients, (2) to describe co-morbidities at the time of fracture, and (3) to develop and validate a multivariable risk-adjustment model for mortality. MATERIALS AND METHODS: We studied a population-based cohort of 3981 hip fracture patients > or =60 years of age admitted to hospitals in a large Canadian health region from 1994 to 2000. We collected sociodemographic and prefracture co-morbidity data. Main outcomes were in-hospital and 1-year mortality. We used multivariable regression methods to first derive a risk-adjustment model for mortality in 2187 patients treated at one hospital and then validated it in 1794 patients treated at another hospital. These models were used to calculate a score that could predict or risk-adjust in-hospital and 1-year mortality after hip fracture. RESULTS AND CONCLUSIONS: The median age of the cohort was 82 years, 71% were female, and 26% had more than four prefracture co-morbidities. In-hospital mortality was 6.3%; 10.2% for men and 4.7% for women (adjusted odds ratio, 1.8; 95% CI, 1.3-2.4). Mortality at 1 year was 30.8%; 37.5% for men and 28.2% for women (adjusted p < 0.001). Older age, male sex, long-term care residence, and 10 different co-morbidities were independently associated with mortality. Risk-adjustment models based on these variables had excellent accuracy for predicting mortality in-hospital (c-statistic = 0.82) and at 1 year (c-statistic = 0.74). We conclude that 1 in 15 elderly patients with hip fracture will die during hospitalization, and almost one-third of those who survive to discharge will die within the year. The determinants of mortality were primarily older age, male sex, and prefracture co-morbidities. Our hip fracture-specific risk-adjustment tool is pragmatic and reliable, and after further validation, may be useful for comparing outcomes across different hospitals or regions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,371
Écart entre enseignants0,328 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations401
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetHip and Femur FracturesTravaux en français237 207