Increased health services use by severely obese patients undergoing emergency surgery: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to assess perioperative outcomes in obese patients undergoing emergency surgery. METHODS: We retrospectively reviewed the charts of all adult (> 17 yr) patients admitted to the acute care emergency surgery service at the University of Alberta Hospital between January 2009 and December 2011 who had a body mass index (BMI) of 35 or higher. Patients were divided into subgroups for analysis based on "severe" (BMI 35-39.9) and "morbid" obesity (BMI ≥ 40). Multivariate logistic regression was performed to identify predictors of in-hospital mortality after controlling for confounding factors. RESULTS: Data on 111 patients (55% women, median BMI 39) were included in the final analysis. Intensive care unit (ICU) support was required for 40% of patients. Postoperative complications occurred in 42% of patients, and 31% required reoperation. Overall in-hospital mortality was 17%. Morbidly obese patients had increased rates of reoperation (40% v. 23%, p = 0.05) and increased lengths of stay compared with severely obese patients (14.5 v. 6.0 d, p = 0.09). Age (odds ratio [OR] 1.08 per increment) and preoperative ICU stay (OR 12) were significantly associated with in-hospital mortality after controlling for confounding, but BMI was not. CONCLUSION: Obese patients requiring emergency surgery represent a complex patient population at high risk for perioperative morbidity and mortality. Greater resources are required for their care, including ICU support, repeat surgery and prolonged ICU stay. Future studies could help identify predictors of reoperation and strategies to optimize nutrition, rehabilitation and resource allocation.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».