Frailty Is a Better Predictor than Age of Mortality and Perioperative Complications after Surgery for Degenerative Cervical Myelopathy: An Analysis of 41,369 Patients from the NSQIP Database 2010–2018
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The ability of frailty compared to age alone to predict adverse events in the surgical management of Degenerative Cervical Myelopathy (DCM) has not been defined in the literature. Methods: 41,369 patients with a diagnosis of DCM undergoing surgery were collected from the National Surgical Quality Improvement Program (NSQIP) Database 2010–2018. Univariate analysis for each measure of frailty (modified frailty index 11- and 5-point; MFI-11, MFI-5), modified Charlson Co-morbidity index and ASA grade) were calculated for the following outcomes: mortality, major complication, unplanned reoperation, unplanned readmission, length of hospital stay, and discharge to a non-home destination. Multivariable modeling of age and frailty with a base model was performed to define the discriminative ability of each measure. Results: Age and frailty have a significant effect on all outcomes, but the MFI-5 has the largest effect size. Increasing frailty correlated significantly with the risk of perioperative adverse events, longer hospital stay, and risk of a non-home discharge destination. Multivariable modeling incorporating MFI-5 with age and the base model had a robust predictive value (0.85). MFI-5 had a high categorical assessment correlation with a MFI-11 of 0.988 (p < 0.001). Conclusions and Relevance: Measures of frailty have a greater effect size and a higher discriminative value to predict adverse events than age alone. MFI-5 categorical assessment is essentially equivalent to the MFI-11 score for DCM patients. A multivariable model using MFI-5 provides an accurate predictive tool that has important clinical applications.
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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle