Association between Smoking and 30‐Day Outcomes in Otologic Surgery
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of current smoking status on 30-day postoperative adverse events in patients undergoing otologic surgery. STUDY DESIGN: Retrospective cohort study. SETTING: Database of the American College of Surgeons National Surgical Quality Improvement Program from 2006 to 2016. SUBJECTS AND METHODS: Adult patients undergoing middle ear and mastoid surgery were included. Preoperative smoking status was determined, and adverse events within 30 days of surgery were recorded. Descriptive statistics were used to characterize the study sample. Multivariable logistic regression was performed to identify the association between sociodemographic and clinical variables and postoperative adverse events. Population-attributable fractions were then calculated. RESULTS: A total of 10,684 patients who underwent otologic surgery were included, of whom 2036 (19.1%) were smokers. The most commonly performed surgery was tympanoplasty with and without ossicular chain reconstruction, followed by canal wall up tympanomastoidectomy. Adverse events occurred in 221 (2.1%) patients; the most common was superficial wound infections (n = 99, 0.9%). In smokers, the odds ratio for any adverse event was 1.97 (95% CI, 1.42-2.71). The odds ratios (95% CIs) for superficial wound infections, wound dehiscence, and 30-day readmission among smokers were 1.89 (1.32-2.86), 3.92 (1.26-11.60), and 1.84 (1.15-2.87), respectively. The population-attributable fraction for any adverse event in smokers was 15.5%. CONCLUSIONS: In patients undergoing otologic surgery, smokers are more likely than nonsmokers to have postoperative adverse events-in particular, wound infections, wound dehiscence, and readmission to hospital.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».