Preoperative Frailty and Quality of Life as Predictors of Postoperative Complications
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.
Notice bibliographique
Résumé
BACKGROUND: Prediction of postoperative complications has been based on assessing comorbidities. However, the evaluation of these comorbidities has not consistently identified those at higher risk of complications, primarily due to the inability to assess how these comorbidities affect functional status. We hypothesized that preoperative functional measures of patients' health status can predict postoperative complications. METHODS: A sample of patients undergoing general surgical operations were reviewed for age, gender, diagnosis (for severity), operations (for complexity), number of comorbidities, preoperative frailty (as determined by the Canadian Study of Health and Ageing Frailty Index), preoperative quality of life (as determined by the SF-36), occurrence of postoperative complications, number of postoperative complications, and severity of complications. Data were analyzed by linear and multiple logistic regression analyses, and the Mann-Whitney U test. RESULTS: Two hundred and twenty-six patients were evaluated, average age 61 ± 13 years, 47% male patients. Frailty Index (FI) correlated with number of comorbidities (r = 0.61, P < 0.001), and all of the domains of the SF-36. Patients who had postoperative complications had higher median preoperative FI than those would did not [0.075 (IQR 0.046-0.118) vs. 0.059 (IQR 0.045-0.089), P = 0.007]. Multiple logistic regression analysis demonstrated that operation complexity, FI, and the role-emotional domain were associated with and increased risk of postoperative complications, whereas the bodily pain domain was associated with a lower risk of postoperative complications. CONCLUSIONS: This study demonstrates that preoperative functional status as measured by FI and SF-36 may help identify patients at higher risk of postoperative complications. In our ageing population, use of such measures may help in better patient selection.
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 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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle