Preoperative Risk Index Among Patients Undergoing Thyroid or Parathyroid Surgery
Notice bibliographique
Résumé
Importance: Frailty represents a multidimensional syndrome that is increasingly being used to stratify risk in surgical patients. Current frailty risk models are limited among those undergoing thyroid or parathyroid surgery. Objective: To develop and compare preoperative risk indices to determine factors associated with short-term major postoperative adverse events in patients undergoing thyroid or parathyroid surgery. Design, Setting, and Participants: This cohort study evaluated 154 895 patients in the American College of Surgeons National Surgical Quality Improvement Program who underwent thyroid or parathyroid surgery from January 1, 2007, to December 31, 2016. Exposures: Preoperative frailty-related and surgical factors from a derivation cohort were evaluated using simple and multiple logistic regression. Variables potentially associated with postoperative adverse events were subsequently combined into a personalized preoperative Cervical Endocrine Surgery Risk Index (CESRI) and compared with existing risk models using the validation cohort. Main Outcomes and Measures: Composite variable of any major postoperative adverse event, including death, within 30 days of surgery. Results: Of the 154 895 operations reviewed, 3318 patients (2.1%; 2296 women and 1022 men; mean [SD] age, 56.1 [15.6] years) experienced a major postoperative adverse event, with 163 deaths (0.1%). Older age (age, ≥80 years: odds ratio [OR], 2.35; 95% CI, 1.74-3.13), inpatient status (OR, 3.55; 95% CI, 3.08-4.11), male sex (OR, 1.49; 95% CI, 1.29-1.71), current tobacco smoking (OR, 1.25; 95% CI, 1.05-1.48), dyspnea (OR, 1.58; 95% CI, 1.29-1.91), recent weight loss (OR, 1.88; 95% CI, 1.23-2.78), functional dependence (OR, 2.77; 95% CI, 2.05-3.69), obesity (OR, 1.33; 95% CI, 1.10-1.60), anemia (OR, 2.14; 95% CI, 1.82-2.52), leukocytosis (OR, 1.73; 95% CI, 1.38-2.14), hypoalbuminemia (OR, 1.87; 95% CI, 1.56-2.23), use of anticoagulation (OR, 2.16; 95% CI, 1.64-2.81), and length of surgery (>4 hours: OR, 2.92; 95% CI, 2.37-3.59) were independently associated with major adverse events or death on multiple regression analysis (C statistic, 0.77; 95% CI, 0.76-0.78). The area under the curve of the CESRI to determine major adverse events, including death, using the validation cohort was 0.63 (95% CI, 0.61-0.64), with a sensitivity of 0.66 (95% CI, 0.64-0.68) and specificity of 0.66 (95% CI, 0.65-0.66). The CESRI outperformed other risk models for determining adverse events (CESRI vs 5-Factor Modified Frailty Index: delta C index, 0.11; 95% CI, 0.09-0.13; CESRI vs American Society of Anesthesiologists Physical Status Classification System: delta C index, 0.05; 95% CI, 0.03-0.07; CESRI vs American College of Surgeons Risk Calculator: delta C index, 0.02; 95% CI, 0.01-0.03; and CESRI vs Head and Neck Surgery Risk Index: delta C index, 0.04; 95% CI, 0.03-0.06). Conclusions and Relevance: This study suggests that the CESRI is able to determine major postoperative adverse events in patients undergoing thyroid or parathyroid surgery.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».