The impact of frailty on patient-reported outcomes after elective thoracolumbar degenerative spine surgery
Notice bibliographique
Résumé
OBJECTIVE: Frailty has been shown to be a risk factor of perioperative adverse events (AEs) in patients undergoing various types of spine surgery. However, the relationship between frailty and patient-reported outcomes (PROs) remains unclear. The primary objective of this study was to determine the impact of frailty on PROs of patients who underwent surgery for thoracolumbar degenerative conditions. The secondary objective was to determine the associations among frailty, baseline PROs, and perioperative AEs. METHODS: This was a retrospective study of a prospective cohort of patients older than 55 years who underwent surgery between 2012 and 2018. Data and PROs (collected with EQ-5D, Physical Component Summary [PCS] and Mental Component Summary [MCS] of SF-12, Oswestry Disability Index [ODI], and numeric rating scales [NRS] for back pain and leg pain) of patients treated at a single academic center were extracted from the Canadian Spine Outcomes and Research Network registry. Frailty was calculated using the modified frailty index (mFI), and patients were classified as frail, prefrail, and nonfrail. A generalized estimating equation (GEE) regression model was used to assess the association between baseline frailty status and PRO measures at 3 and 12 months. RESULTS: In total, 293 patients with a mean ± SD age of 67 ± 7 years were included. Of these, 22% (n = 65) were frail, 59% (n = 172) were prefrail, and 19% (n = 56) were nonfrail. At baseline, the three frailty groups had similar PROs, except PCS (p = 0.003) and ODI (p = 0.02) were worse in the frail group. A greater proportion of frail patients experienced major AEs than nonfrail patients (p < 0.0001). However, despite the increased incidence of AEs, there was no association between frailty and postoperative PROs (scores on EQ-5D, PCS and MCS, ODI, and back-pain and leg-pain NRS) at 3 and 12 months (p ≥ 0.05). In general, PROs improved at 3 and 12 months (with most patients reaching the minimum clinically important difference for all PROs). CONCLUSIONS: Although frailty predicted postoperative AEs, mFI did not predict PROs of patients older than 55 years with degenerative thoracolumbar spine after spine surgery.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».