Factors Associated With Mortality After Surgical Management of Femoral Neck Fractures
Notice bibliographique
Résumé
BACKGROUND: Hip fractures are recognized as one of the most devastating injuries impacting older adults because of the complications that follow. Mortality rates postsurgery can range from 14% to 58% within one year of fracture. We aimed to identify factors associated with increased risk of mortality within 24 months of a femoral neck fracture in patients aged ≥50 years enrolled in the FAITH and HEALTH trials. METHODS: Two multivariable Cox proportional hazards regressions were used to investigate potential prognostic factors that may be associated with mortality within 90 days and 24 months of hip fracture. RESULTS: Ninety-one (4.1%) and 304 (13.5%) of 2247 participants died within 90 days and 24 months of suffering a femoral neck fracture, respectively. Older age (P < 0.001), lower body mass index (P = 0.002), American Society of Anesthesiologists (ASA) class III/IV/V (P = 0.004), use of an ambulatory aid before femoral neck fracture (P < 0.001), and kidney disease (P < 0.001) were associated with a higher risk of mortality within 24 months of femoral neck fracture. Older age (P = 0.03), lower body mass index (P = 0.02), use of an ambulatory aid before femoral neck fracture (P < 0.001), and having a comorbidity (P = 0.04) were associated with a higher risk of mortality within 90 days of femoral neck fracture. CONCLUSIONS: Our analysis found that factors that are indicative of a poorer health status were associated with a higher risk of mortality within 24 months of femoral neck fracture. We did not find a difference in treatment methods (internal fixation vs. joint arthroplasty) on the risk of mortality. LEVEL OF EVIDENCE: Therapeutic Level II. See Instructions for Authors for a complete description of levels of evidence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 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 ».