F.11 Predictors of length of stay following lumbar fusion
Notice bibliographique
Résumé
Background: Accurate prediction of length of stay (LOS) following elective lumbar fusion may help optimize the utilization of resources and may assist with physician and patient expectations. Methods: Outcomes were collected prospectively among patients undergoing elective lumbar fusion. Prolonged LOS was defined as ≥5 days. The influence of baseline and peri-operative characteristics on the odds of prolonged LOS was assessed by a multivariate logistic regression model. Results: 150 patients underwent elective lumbar fusion surgery. Patient characteristics were as follows: average age was 61.9, average pre-operative back pain measured by the visual analogue scale was 54.3, and 36.5% of patients were identified as having severe disability, defined by an Oswestry disability index over 40. The average LOS was 4.9 days, with 28% having a prolonged LOS. Majority of patients had one level fused (69.7%). The odds of prolonged LOS were increased by severe disability (odds ratio [OR] 3.58, p<0.005), levels fused (OR 2.52, p<0.005), greater than 70 years of age (OR 3.81, p<0.005), and any treatment related adverse event (OR 4.32, p <0.02). There was no significant influence of prolonged surgery (p=0.3) or pre-operative back pain (p=0.23) on LOS. Conclusions: Prolonged length of stay was significantly influenced by severe disability, levels fused, age > 70, and any adverse events.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».