A Population-based Comparative Effectiveness Study of Peripheral Nerve Blocks for Hip Fracture Surgery
Notice bibliographique
Résumé
BACKGROUND: Adverse outcomes and resource use rates are high after hip fracture surgery. Peripheral nerve blocks could improve outcomes through enhanced analgesia and decreased opioid related adverse events. We hypothesized that these benefits would translate into decreased resource use (length of stay [primary outcome] and costs), and better clinical outcomes (pneumonia and mortality). METHODS: The authors conducted a retrospective cohort study of hip fracture surgery patients in Ontario, Canada (2011 to 2015) using linked health administrative data. Multilevel regression, instrumental variable, and propensity scores were used to determine the association of nerve blocks with resource use and outcomes. RESULTS: The authors identified 65,271 hip fracture surgery patients; 10,030 (15.4%) received a block. With a block, the median hospital stay was 7 (interquartile range, 4 to 13) days versus 8 (interquartile range, 5 to 14) days without. Following adjustment, nerve blocks were associated with a 0.6-day decrease in length of stay (95% CI, 0.5 to 0.8). This small difference was consistent with instrumental variable (1.1 days; 95% CI, 0.9 to 1.2) and propensity score (0.2 days; 95% CI, 0.2 to 0.3) analyses. Costs were lower with a nerve block (adjusted difference, -$1,421; 95% CI, -$1,579 to -$1,289 [Canadian dollars]), but no difference in mortality (adjusted odds ratio, 0.99; 95% CI, 0.89 to 1.11) or pneumonia (adjusted odds ratio, 1.01; 95% CI, 0.88 to 1.16) was observed. CONCLUSIONS: Receipt of nerve blocks for hip fracture surgery is associated with decreased length of stay and health system costs, although small effect sizes may not reflect clinical significance for length of stay.
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 | 0,000 | 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 | 0,000 |
| 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 ».