Analysis of readmissions after transoral robotic surgery for oropharyngeal squamous cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: As transoral robotic surgery (TORS) is being increasingly used to treat patients with oropharyngeal squamous cell carcinoma (OPSCC), there is an interest in determining contributors to readmission. METHODS: We conducted this retrospective multivariate analysis modeling 30-day readmission using the Nationwide Readmissions Database (2012-2014). RESULTS: Of 950 patients, 117 (12.3%) were readmitted. Hemorrhage and diet/aspiration accounted for 32.5% and 19.7% of readmissions, respectively. Of those readmitted, 23.1% required operative bleeding control, 11.1% required transfusion, 1.7% required tracheostomy, and 18.8% required gastrostomies. Those readmitted were older (mean 63.2 years, SD 9.5 vs 60.9 mean years, SD 10.3) and had longer hospitalizations (mean 5.7 days, SD 6.8 vs mean 4.3 days, SD 4.1) and higher rates of aspiration/pneumonia (9.4% vs 2.4%, P < .01) on index admission. Multivariate analysis demonstrated that aspiration/pneumonia on index admission was independently associated with readmission (OR 3.128, 95% CI 1.178-8.302). CONCLUSIONS: Of the patients 12.3% were readmitted within 30 days with hemorrhage and diet complications as significant contributors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».