Mortality effects of timing alternatives for hip fracture surgery
Notice bibliographique
Résumé
BACKGROUND: The appropriate timing of hip fracture surgery remains a matter of debate. We sought to estimate the effect of changes in timing policy and the proportion of deaths attributable to surgical delay. METHODS: We obtained discharge abstracts from the Canadian Institute for Health Information for hip fracture surgery in Canada (excluding Quebec) between 2004 and 2012. We estimated the expected population-average risks of inpatient death within 30 days if patients were surgically treated on day of admission, inpatient day 2, day 3 or after day 3. We weighted observations with the inverse propensity score of surgical timing according to confounders selected from a causal diagram. RESULTS: Of 139 119 medically stable patients with hip fracture who were aged 65 years or older, 32 120 (23.1%) underwent surgery on admission day, 60 505 (43.5%) on inpatient day 2, 29 236 (21.0%) on day 3 and 17 258 (12.4%) after day 3. Cumulative 30-day in-hospital mortality was 4.9% among patients who were surgically treated on admission day, increasing to 6.9% for surgery done after day 3. We projected an additional 10.9 (95% confidence interval [CI] 6.8 to 15.1) deaths per 1000 surgeries if all surgeries were done after inpatient day 3 instead of admission day. The attributable proportion of deaths for delays beyond inpatient day 2 was 16.5% (95% CI 12.0% to 21.0%). INTERPRETATION: Surgery on admission day or the following day was estimated to reduce postoperative mortality among medically stable patients with hip fracture. Hospitals should expedite operating room access for patients whose surgery has already been delayed for nonmedical reasons.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».