Gait Speed and 1‐Year Mortality Following Cardiac Surgery: A Landmark Analysis From the Society of Thoracic Surgeons Adult Cardiac Surgery Database
Notice bibliographique
Résumé
Background In older adults undergoing cardiac surgery, prediction of downstream risk is critical. Our objective was to determine the association of 5-m gait speed with 1-year mortality and repeat hospitalization following cardiac surgery. Methods and Results In this prospective cohort of patients undergoing cardiac surgery at centers participating in the Society of Thoracic Surgeons Database with gait speed recorded, we examined all-cause mortality using a landmark analysis at 0 to 30, 30 to 365, and >365 days, as well as repeat hospitalization. The cohort consisted of 8287 patients (median age, 74 years; 32% females). At 1 year, survival was 90% in the slow (<0.83 m/s), 95% in the middle (0.83-1.00 m/s), and 97% in the fast (>1.00 m/s) gait speed tertiles, and risk of hospitalization was 45%, 33%, and 27%, respectively (both P<0.0001). After adjustment, gait speed remained predictive of mortality (hazard ratio, 2.16 per 0.1-m/s decrease in gait speed; 95% confidence interval, 1.59-2.93) and rehospitalization (hazard ratio, 1.71 per 0.1-m/s decrease in gait speed; 95% confidence interval, 1.45-2.0). In a landmark analysis, the effect of slow gait speed on mortality was most marked from 30 to 365 days after surgery, where each decline in 0.1 m/s of gait speed conferred a 2-fold increased risk of mortality. Conclusions Gait speed is a simple tool to screen for frailty and identify older adults at risk for adverse events in the early and midterm postoperative periods.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| 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) | 0,000 | 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 ».