Prevalence and risk factors for perioperative complications of CKD patients undergoing elective hip surgery
Notice bibliographique
Résumé
PURPOSE: Chronic kidney disease (CKD) is known to increase morbidity and mortality after orthopedic surgery. The purpose of this study is to investigate how CKD affects perioperative complications in hip surgery patients. MATERIAL AND METHODS: From 2013 to 2016, a total of 230 patients (30 patients with CKD and 200 without CKD) undergoing hip surgery were enrolled in this study. Preoperative, intraoperative, and postoperative data was collected and analyzed between CKD and non-CKD patients. Logistic regression was used to evaluate the independent risk factor for postoperative complications. RESULTS: There were significant differences in the number of people with hypertension (90.0% vs 27.3%, P < 0.001), diabetes (33.3% vs 8.7%, P = 0.01), coronary heart disease (20.0% vs 2.0%, P = 0.001), smoking habits (56.7% vs 22.7%, P = 0.016), anemia (90.0% vs 19.3%, P < 0.001), and low hemoglobin levels (94.1 ± 19.7 vs 121.3 ± 18.8, P < 0.001) between CKD and non-CKD patients before surgery. Receiving a blood transfusion was significantly more common in CKD patients (50% vs 28.5%, P = 0.018). Postoperatively, significant differences were detected in the average number of patients who transferred to the ICU (73.3% vs 19.3%, P < 0.001). Furthermore, differences were found in the quantity of hemoglobin (92.5 ± 16.8 vs 107.5 ± 18.3, P < 0.001) and albumin (32.4 ± 4.1 vs 34.9 ± 5.5, P = 0.02) measured between CKD and non-CKD patients. Logistic regression analysis indicated that diabetes, alcohol, and anemia were all independent risk factors for obtaining a blood transfusion, while age, CKD, and osteoporosis were all independent risk factors for ICU transfers. CONCLUSION: Compared with non-CKD patients, CKD patients were accompanied with more cardiac diseases preoperatively. In addition, CKD patients were more likely to receive a blood transfusion and transfer to the ICU after hip surgery. Preoperative anemia should be restored sufficiently to decrease the incidence of blood transfusions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».