MétaCan
Menu
Retour à la cohorte
Enregistrement W2748213717 · doi:10.2106/jbjs.16.00843

Factors Associated with Adverse Events in Inpatient Elective Spine, Knee, and Hip Orthopaedic Surgery

2017· article· en· W2748213717 sur OpenAlexaff
Dov B. Millstone, Anthony V. Perruccio, Elizabeth M. Badley, Y. Raja Rampersaud

Notice bibliographique

RevueJournal of Bone and Joint Surgery · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensToronto Western HospitalPublic Health OntarioUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineAdverse effectOdds ratioConfidence intervalOrthopedic surgeryLogistic regressionOsteoarthritisSpinal stenosisSurgeryPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Orthopaedic procedures for degenerative musculoskeletal conditions (predominantly osteoarthritis and spinal stenosis) represent an increasing burden on the health-care system. These procedures are also associated with adverse event rates and related cost. The objective of this study was to identify risk factors for adverse events associated with orthopaedic surgeries as captured within a common clinical point-of-care system for documenting adverse events (Orthopaedic Surgical AdVerse Events Severity [OrthoSAVES] system). METHODS: In-hospital adverse events were recorded at the point of care over a 2-year period for inpatient elective knee, hip, and spine orthopaedic procedures for degenerative musculoskeletal conditions. Multivariable logistic regression was employed to investigate the association between various factors (age, sex, surgical site, body mass index, surgical risk classification, operative duration, length of stay, and medical comorbidities) and the occurrence of adverse events. RESULTS: The sample included 2,146 patients. The overall adverse event rate was 27% (571 of 2,146), and by surgical site, the rates were 29% (130 of 442) for spine; 27% (266 of 998) for knee; and 25% (175 of 706) for hip. The most common adverse events had a low severity grade, but spinal procedures demonstrated more adverse events with a severity grade of ≥3. Increasing age (odds ratio [OR] = 1.21, 95% confidence interval [CI] =1.05 to 1.41, per 15-year interval), male sex (OR = 1.43, 95% CI =1.16 to 1.77), increasing operative duration (OR = 1.13, 95% CI = 1.03 to 1.23, per 30-minute increase), length of stay (OR = 1.13, 95% CI = 1.10 to 1.17, per day), and undergoing revision surgery (OR = 2.23, 95% CI = 1.35 to 3.70) were independently associated with a greater likelihood of the occurrence of an adverse event. Spine surgery demonstrated decreased odds of an adverse event compared with knee surgery (OR = 0.38, 95% CI = 0.23 to 0.61) when operative duration and length of stay were taken into account. CONCLUSIONS: On the basis of our adjusted analysis, we found increasing age, male sex, revision surgery, length of stay, and increasing operative duration to be common independent risk factors for an adverse event across the population studied. The first 3 risk factors are not modifiable. The association between increasing operative duration and the risk of an adverse event across all anatomical regions and surgical procedures is a unique finding. However, modification of procedural efficiency is multifactorial and warrants further investigation. LEVEL OF EVIDENCE: Therapeutic Level III. See Instructions for Authors for a complete description of 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,352
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Joint SurgeryMême sujetPatient Safety and Medication ErrorsTravaux en français237 207