Thirty‐day outcomes after gynecologic oncology surgery: A single‐center experience of enhanced recovery after surgery pathways
Notice bibliographique
Résumé
INTRODUCTION: The purpose of the study is to evaluate the impact of an enhanced recovery after surgery (ERAS) program implemented in a Gynecologic Oncology population undergoing a laparotomy at a Canadian tertiary care center. MATERIAL AND METHODS: Prospectively collected data, using the American College of Surgeons' National Surgical Quality Improvement Program dataset (ACS NSQIP), was used to compare 30-day postoperative outcomes of gynecologic oncology patients undergoing a laparotomy before and after the 2018 implementation of an ERAS program in a Canadian regional cancer center. Patient demographics, surgical variables and postoperative outcomes of 187 patients undergoing surgery in 2019 were compared with those of 441 patients undergoing surgery between January 2016 and December 2017. Student's t, Mann-Whitney U and Chi-square tests, as well as multivariate linear and logistic regressions were used to evaluate baseline characteristics and 30-day postoperative complications. RESULTS: Length of stay was significantly shortened in the study population after introducing the ERAS protocol, from a mean of 4.7 (SD = 3.8) days to a mean of 3.8 (SD = 3.2) days (P = .0001). The overall complication rate decreased from 24.3% to 16% (P = .02). Significant decreases in the rates of postoperative infections (adjusted odds ratio [OR] 0.56, 95% confidence interval [CI] 0.31-0.99) and cardiovascular complications (adjusted OR 0.27, 95% CI 0.09-0.79) were noted, without a significant increase in readmission rate (adjusted OR 0.50, 95% CI 0.21-1.07). CONCLUSIONS: Introducing an ERAS program for gynecologic oncology patients undergoing laparotomy was effective in shortening length of stay and the overall complication rate without a significant increase in readmission. Advocacy for broader implementation of ERAS among gynecologic oncology services and ongoing discussion on challenges and opportunities in the implementation process are warranted to improve patient outcomes and experiences.
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 | 0,002 | 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».