Attributable Mortality of Hip Fracture in Older Patients: A Retrospective Observational Study
Notice bibliographique
Résumé
Hip fracture (HF) in older patients is associated with a high six-month mortality rate. Several clinical conditions may affect outcome, including baseline characteristics, co-existing acute illnesses, perioperative factors, and postoperative complications. Our primary objective was to estimate the respective effect of these four domains on six-month mortality after HF. A retrospective observational study using a monocentric cohort of older patients was conducted. All patients ≥ 70 years old admitted to the emergency department for HF and hospitalized in our perioperative geriatric care unit from June 2009 to September 2018 were included. Among 1015 included patients, five (0.5%) were lost to follow-up, and 1010 were retained in the final analysis (mean age 86 ± 6 years). The six-month mortality rate was 14.8%. The six-month attributable mortality estimates were as follows: baseline characteristics (including age, gender, comorbidities, autonomy, type of fracture): 62.4%; co-existing acute illnesses (including acute events present before surgery that could result from the fracture or cause it): 0% (not significantly associated with six-month mortality); perioperative factors (including blood transfusion and delayed surgery): 12.3%; severe postoperative complications: 11.9%. Baseline characteristics explained less than two-thirds of the six-month mortality after HF. Optimizing patients care by improving management of perioperative factors and thus decreasing postoperative complications, could reduce by a maximum of one quarter of the six-month mortality rate after HF.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,001 | 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 ».