Length of hospital stay and mortality of hip fracture surgery in patients with Coronavirus disease 2019 (COVID-19) infection: A systematic review and meta-analysis
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) patients who undergo hip fracture surgery are expected to have worse outcomes because they are vulnerable to developing COVID-19-associated complications. The present review attempted to assess the in-hospital and 30-day mortality rates as well as the length of hospital stay in patients with COVID-19 infection who had hip fracture surgery. METHODS: Two authors independently searched Google Scholar, PubMed, Web of Knowledge, SCOPUS, and Embase, based on the MeSH-matched scientific keywords. The nine-star Newcastle-Ottawa Scale (NOS) scoring system was employed to assess the methodological quality of all eligible studies. RESULTS: Eleven cohort studies that included 336 patients comprised the study. Three studies reported in-hospital mortality. Eight studies reported 30-day postoperative mortality. The pooled in-hospital mortality rate was 29.8% (95% CI: 26.6%-35.6%). The pooled 30-day postoperative mortality rate was 35.0% (95% CI: 29.9%-40.5%). The mean hospital stay was 11.29 days (95% CI: 10.65 days-11.94 days). CONCLUSIONS: The rates of in-hospital and 30-day mortality in COVID-19 patients who undergo hip fracture surgery is high. These data suggest delaying hip fracture surgery until COVID-19 infection of the patients is controlled. LEVEL OF EVIDENCE: Level II.
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,032 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».