Validation of days at home as an outcome measure after surgery: a prospective cohort study in Australia
Notice bibliographique
Résumé
Objective To evaluate ‘days at home up to 30 days after surgery’ (DAH 30 ) as a patient-centred outcome measure. Design Prospective cohort study. Data source Using clinical trial data (seven trials, 2109 patients) we calculated DAH 30 from length of stay, readmission, discharge destination and death up to 30 days after surgery. Main outcome The association between DAH 30 and serious complications after surgery. Results One or more complications occurred in 263 of 1846 (14.2%) patients, including 19 (1.0%) deaths within 30 days of surgery; 245 (11.6%) patients were discharged to a rehabilitation facility and 150 (7.1%) were readmitted to hospital within 30 days of surgery. The median DAH 30 was significantly less in older patients (p<0.001), those with poorer physical functioning (p<0.001) and in those undergoing longer operations (p<0.001). Patients with serious complications had less days at home than patients without serious complications (20.5 (95% CI 19.1 to 21.9) vs 23.9 (95% CI 23.8 to 23.9) p<0.001), and had higher rates of readmission (16.0% vs 5.9%; p<0.001). After adjusting for patient age, sex, physical status and duration of surgery, the occurrence of postoperative complications was associated with fewer days at home after surgery (difference 3.0(95% CI 2.1 to 4.0) days; p<0.001). Conclusions DAH 30 has construct validity and is a readily obtainable generic patient-centred outcome measure. It is a pragmatic outcome measure for perioperative clinical trials.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».