The Impact of Prefracture and Hip Fracture Characteristics on Mortality in Older Persons in Brazil
Notice bibliographique
Résumé
BACKGROUND: Hip fractures in the elderly are common and associated with considerable mortality and disability. Although well known in industrialized countries, the factors associated with mortality after hip fractures are not reported frequently in developing countries and little is known regarding risk factors in Latin America. QUESTIONS/PURPOSE: We investigated the rate of 1-year mortality and prefracture and fracture characteristics associated with mortality after a hip fracture in elderly Brazilian patients in a large metropolitan area. METHODS: Two hundred forty-six persons 60 years and older admitted to four hospitals in Rio de Janeiro were included after experiencing fractures and were followed for 1 year. Data were collected on sociodemographic, health, and functional status; type of surgery; length of stay; and complications after surgery. Cox regression analyses were conducted to investigate factors associated with 1-year mortality after hip fracture. RESULTS: Of the 246 patients, 86 died (35%). Of those 86, 22 died in the hospital (25.6%) and 64 (74.4%) died after discharge. Functional status before fracture, older age, male gender, and higher surgical risk increased the risk of mortality, whereas the use of antibiotics and the use of physical therapy after surgery decreased the risk. CONCLUSIONS: Our mortality rate was higher than those reported from industrialized countries. The use of antibiotics and physical therapy are potentially modifiable factors to improve patients' survival after fracture in Brazil. LEVEL OF EVIDENCE: Level II, prognostic study. See the Guidelines for Authors for a complete description of the levels of evidence.
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 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».