High-Risk Plastic Surgery: An Analysis of 108,303 Cases From the American College of Surgeons National Surgical Quality Improvement Program (ACS NSQIP)
Notice bibliographique
Résumé
Background: There is a lack of large-scale data that examine complications in plastic surgery. A description of baseline rates and patient outcomes allows better understanding of ways to improve patient care and cost-savings for health systems. Herein, we determine the most frequent complications in plastic surgery, identify procedures with high complication rates, and examine predictive risk factors. Methods: A retrospective analysis of the 2012 to 2016 American College of Surgeons National Surgical Quality Improvement Program plastic surgery data set was conducted. Complication rates were calculated for the entire cohort and each procedure therein. Microsurgical procedures were analyzed as a subgroup, where multivariate logistic regression models determined the risk factors for surgical site infection (SSI) and related reoperation. Results: We identified 108 303 patients undergoing a plastic surgery procedure of which 6 264 (5.78%) experienced ≥1 complication. The outcome with the highest incidence was related reoperation (3.31%), followed by SSI (3.11%). Microsurgical cases comprised 6 148 (5.68%) of all cases, and 1211 (19.33%) experienced ≥1 complication. Similar to the entire cohort, the related reoperation (12.83%) and SSI (5.66%) were common complications. Increased operative time was a common independent risk factor predictive of a related reoperation or development of an SSI ( P < 001). Of all microsurgeries, 23.3% had an operative time larger than 10 hours which lead to faster increase in reoperation likelihood. Conclusions: The complication rate in plastic surgery remains relatively low but is significantly increased for microsurgery. Increased operative time is a common risk factor. Two-team approaches and staged operations could be explored, as a large portion of microsurgeries are vulnerable to increased complications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».