Effect of Frailty on Outcome after Traumatic Spinal Cord Injury
Notice bibliographique
Résumé
Frailty negatively affects outcome in elective spine surgery populations. This study sought to determine the effect of frailty on patient outcome after traumatic spinal cord injury (tSCI). Patients with tSCI were identified from our prospectively collected database from 2004 to 2016. We examined effect of patient age, admission Total Motor Score (TMS), and Modified Frailty Index (mFI) on adverse events (AEs), acute length of stay (LOS), in-hospital mortality, and discharge destination (home vs. other). Subgroup analysis (for three age groups: <60, 61–75, and 76+ years), and multi-variable analysis was performed to investigate the impact of age, TMS, and mFI on outcome. For the 634 patients, the mean age was 50.3 years, 77% were male, and falls were the main cause of injury (46.5%). On bivariate analysis, mFI, age at injury, and TMS were predictors of AEs, acute LOS, and in-hospital mortality. After statistical adjustment, mFI was a predictor of LOS ( p = 0.0375), but not of AEs ( p = 0.1428) or in-hospital mortality ( p = 0.1245). In patients <60 years of age, mFI predicted number of AEs, acute LOS, and in-hospital mortality. In those aged 61–75, TMS predicted AEs, LOS, and mortality. In those 76+ years of age, mFI no longer predicted outcome. Age, mFI, and TMS on admission are important determinants of outcome in patients with tSCI. mFI predicts outcomes in those <75 years of age only. The inter-relationship of advanced age and decreased physiological reserve is complex in acute tSCI, warranting further study. Identifying frailty in younger patients with tSCI may be useful for peri-operative optimization, risk stratification, and patient counseling.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».