MétaCan
Menu
Retour à la cohorte
Enregistrement W3094670355 · doi:10.3390/jcm9113491

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

2020· article· en· W3094670355 sur OpenAlexaff
Jamie Wilson, Jetan H. Badhiwala, Ali Moghaddamjou, Albert Yee, Jefferson R. Wilson, Michael G. Fehlings

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical and Thoracic Myelopathy
Établissements canadiensToronto Western HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesNeurosurgery Research and Education Foundation
Mots-clésMedicinePerioperativeFrailty IndexUnivariate analysisAdverse effectEmergency medicineSurgeryInternal medicineMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,207
Tête enseignante GPT0,424
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations114
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetCervical and Thoracic MyelopathyTravaux en français237 207