Predicting Patient Dissatisfaction Following Joint Replacement Surgery
Notice bibliographique
Résumé
OBJECTIVE: The incidence of patient-reported dissatisfaction following total joint arthroplasty can be up to 30%. Our aim was to identify the preoperative patient-level predictors of patient dissatisfaction 1 year after surgery. METHODS: We surveyed 1720 patients undergoing primary hip or knee replacement surgery. Relevant covariates including demographic data, body mass index, sex, comorbidities, and education were recorded. Joint functional status and patient quality of life were assessed at baseline and at 1-year followup with the Western Ontario McMaster University Osteoarthritis Index (WOMAC) and Medical Outcomes Study Short Form-36 (SF-36) scales, respectively. Patient satisfaction with surgery was determined with 4 survey questions at 1-year followup. RESULTS: There were no significant differences in demographic data between satisfied (n = 1290) and dissatisfied patients (n = 430). Logistic regression modeling showed that a lower preoperative SF-36 Mental Health score independently predicted patient dissatisfaction with surgery, adjusted for all relevant covariates (p < 0.05). We found no correlation between patient satisfaction and WOMAC change scores at 1-year followup (p = 0.31). CONCLUSION: Preoperative mental health is an important factor to consider when understanding patient satisfaction with surgery. Interventions to reduce psychological distress prior to surgery should be studied to determine if they may improve subjective outcomes of patients undergoing joint replacement surgery.
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 | 0,001 | 0,001 |
| 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 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 ».