MétaCan
Menu
Retour à la cohorte
Enregistrement W1991061473 · doi:10.1016/j.jamcollsurg.2007.02.065

Multivariable Predictors of Postoperative Cardiac Adverse Events after General and Vascular Surgery: Results from the Patient Safety in Surgery Study

2007· article· en· W1991061473 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of the American College of Surgeons · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac, Anesthesia and Surgical Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionPerioperativeVeterans AffairsOdds ratioMyocardial infarctionEmergency medicineAmerican society of anesthesiologistsPatient safetyCardiac surgeryCanadian Cardiovascular SocietyAdverse effectSurgeryIntensive care medicineAnginaInternal medicineHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cardiac adverse events (CAEs) are relatively infrequent, but highly lethal, after noncardiac operations. The value of available risk scoring systems is uncertain and these systems can be outdated. We used the Patient Safety in Surgery Study database to develop and test a model to predict patient risk for CAEs after general and vascular surgical operations. STUDY DESIGN: As part of the Patient Safety in Surgery Study, following the National Surgical Quality Improvement Program's protocol, multiple demographic, preoperative, perioperative, and outcomes variables were measured during a 3-year period. Data from 128 Veterans Affairs medical center hospitals and from 14 academic medical centers on 183,069 patients were used in a logistic regression analysis to model multivariable predictors of serious CAEs (cardiac arrest or acute myocardial infarction within 30 days of operation). RESULTS: CAEs occurred in 2,362 patients (1.29%) and of these, 59.44% expired. Multivariable stepwise logistic regression identified 20 independent predictors of CAEs, which excluded most cardiac-specific risk factors. The most important multivariable predictors of CAE were American Society of Anesthesiologists physical status classification, work relative value units of the most complex procedure, age, and type of operation. A risk prediction scoring system using the logistic regression odds ratios proved to be a useful prediction tool when tested using a random sample from the database. CONCLUSIONS: CAEs after noncardiac operations are relatively infrequent but highly lethal. Operation type and urgency and American Society of Anesthesiologists physical status assessment are important independent predictors of cardiac morbidity, but angina, recent MI, and earlier cardiac operation are not. A prediction scoring system based on the Patient Safety in Surgery Study multivariable odds ratios is likely to be predictive of future events in a similar population requiring noncardiac procedures. This risk model can also serve as a tool to measure quality and effectiveness of care by providers who perform noncardiac operations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,006
Score d'incertitude au seuil0,445

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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