Effects of impairment in activities of daily living on predicting mortality following hip fracture surgery in studies using administrative healthcare databases
Notice bibliographique
Résumé
BACKGROUND: Impairment in activities of daily living (ADL) is an important predictor of outcomes although many administrative databases lack information on ADL function. We evaluated the impact of ADL function on predicting postoperative mortality among older adults with hip fractures in Ontario, Canada. METHODS: Sociodemographic and medical correlates of ADL impairment were first identified in a population of older adults with hip fractures who had ADL information available prior to hip fracture. A logistic regression model was developed to predict 360-day postoperative mortality and the predictive ability of this model were compared when ADL impairment was included or omitted from the model. RESULTS: The study sample (N = 1,329) had a mean age of 85.2 years, were 72.8% female and the majority resided in long-term care (78.5%). Overall, 36.4% of individuals died within 360 days of surgery. After controlling for age, sex, medical comorbidity and medical conditions correlated with ADL impairment, addition of ADL measures improved the logistic regression model for predicting 360 day mortality (AIC = 1706.9 vs. 1695.0; c -statistic = 0.65 vs 0.67; difference in - 2 log likelihood ratios: χ(2) = 16.9, p = 0.002). CONCLUSIONS: Direct measures of ADL impairment provides additional prognostic information on mortality for older adults with hip fractures even after controlling for medical comorbidity. Observational studies using administrative databases without measures of ADLs may be potentially prone to confounding and bias and case-mix adjustment for hip fracture outcomes should include ADL measures where these are available.
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 | 0,004 |
| 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 ».