Impact of comorbid conditions on outcomes of hip and knee replacement surgery: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To systematically perform a meta-analysis of the association between different comorbid conditions on safety (short-term outcomes) and effectiveness (long-term outcomes) in patients undergoing hip and knee replacement surgery. DESIGN: Systematic review and meta-analysis. METHODS: Medline, Embase and CINAHL Plus were searched up to May 2017. We included all studies that reported data to allow the calculation of a pooled OR for the impact of 11 comorbid conditions on 10 outcomes (including surgical complications, readmissions, mortality, function, health-related quality of life, pain and revision surgery). The quality of included studies was assessed using a modified Newcastle-Ottawa Scale. Continuous outcomes were converted to ORs using the Hasselblad and Hedges approach. Results were combined using a random-effects meta-analysis. OUTCOMES: The primary outcome was the adjusted OR for the impact of each 11 comorbid condition on each of the 10 outcomes compared with patients without the comorbid condition. Where the adjusted OR was not available the secondary outcome was the crude OR. RESULTS: 70 studies were included with 16 (23%) reporting on at least 100 000 patients and 9 (13%) were of high quality. We found that comorbidities increased the short-term risk of hospital readmissions (8 of 11 conditions) and mortality (8 of 11 conditions). The impact on surgical complications was inconsistent across comorbid conditions. In the long term, comorbid conditions increased the risk of revision surgery (6 of 11 conditions) and long-term mortality (7 of 11 conditions). The long-term impact on function, quality of life and pain varied across comorbid conditions. CONCLUSIONS: This systematic review shows that comorbidities predominantly have an impact on the safety of hip and knee replacement surgery but little impact on its effectiveness. There is a need for high-quality studies also considering the severity of comorbid conditions.
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 | 0,017 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,052 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».