PREDICTORS OF PROLONGED LENGTH OF STAY AFTER MAJOR FOOT AND ANKLE SURGERY
Notice bibliographique
Résumé
Introduction Greater length of stay (LOS) after elective surgery results in increased use of health care resources and higher costs. Within the realm of foot and ankle surgery, improved perioperative care has enabled a vast majority of procedures to be performed as a day surgery. The objective of this study was to determine the perioperative factors that predict a prolonged LOS after elective ankle replacement or fusion. Methods Data was prospectively collected on patients undergoing either an ankle fusion or ankle replacement for end-stage ankle arthritis at our institution (2003–2010). In the analysis, LOS was the outcome and age, sex, physical and mental functional scores, comorbid factors, ASA grades, type and length of operation and body mass index (BMI) were potential perioperative risk factors. Univariate and multivariate generalized linear regression models with gamma distribution and log link function were conducted. Results A total of 336 patients were included in the study. The median LOS was 76 hours with interquartile range of 52.5–97. Using regression analysis, we showed aging, female gender, a higher ASA score, multiple medical comorbidities, rheumatoid arthritis, a lower score in the physical component (PCS) and general health domain (GH) of SF-36, open surgery and an increased length of surgical time were all significantly associated with an increased LOS. Conversely, obesity, the SF-36 Mental Component Score and the date of admission were noninfluential of LOS. A predictive model was also developed using these same risk factors. Conclusions Increased age, female gender, high ASA scores, low SF-36 GH and PCS scores, increased number of medical comorbidities, rheumatoid arthritis and open surgery were all factors that increased LOS significantly after ankle fusion or ankle replacement. This group of patients may warrant better education and more focused perioperative care when it comes to designing care pathways and allocating health care resources.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».