P.219 The effect of peri-operative adverse events on long-term patient reported outcomes after lumbar spine surgery
Notice bibliographique
Résumé
Background: Peri-operative adverse events (AE) lead to patient disappointment and greater costs. There is a paucity of data on how AEs affect long-term outcomes. The purpose of this study is to examine peri-operative AEs and their impact on outcome after lumbar spine surgery. Methods: 3556 consecutive patients undergoing surgery for lumbar degenerative disorders enrolled in the Canadian Spine Outcomes and Research Network were analyzed. AEs were defined using the validated Spine AdVerse Events Severity system. Outcomes at 3,12, and 24 months post-operatively included the Owestry Disability Index (ODI), SF-12 Physical (PCS) and Mental (MCS) scales, visual analog scale (VAS) leg and back, Euroqol-5D (EQ5D), and satisfaction. Results: Adverse events occurred in 767 (21.6%) patients, 85 (2.4%) suffered major AEs. Patients with major AEs had worse OD (physical disability) scores and did not reach minimum clinically important differences at 2 years (no AE 25.7±19.2, major: 36.4±19.1, p<0.001). Major AEs were associated with worse ODI (physical disability) scores on multivariable linear regression (p=0.011). Conclusions: Major AEs after lumbar spine surgery lead to worse functional outcomes and lower satisfaction. This highlights the need to implement strategies aimed at reducing adverse events.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».