Beyond the revised cardiac risk index: Validation of the hospital frailty risk score in non-cardiac surgery
Notice bibliographique
Résumé
Frailty is an established risk factor for adverse outcomes following non-cardiac surgery. The Hospital Frailty Risk Score (HFRS) is a recently described frailty assessment tool that harnesses administrative data and is composed of 109 International Classification of Disease variables. We aimed to examine the incremental prognostic utility of the HFRS in a generalizable surgical population. Using linked administrative databases, a retrospective cohort of patients admitted for non-cardiac surgery between October 1st, 2008 and September 30th, 2019 in Alberta, Canada was created. Our primary outcome was a composite of death, myocardial infarction or cardiac arrest at 30-days. Multivariable logistic regression was undertaken to assess the impact of HFRS on outcomes after adjusting for age, sex, components of the Charlson Comorbidity Index (CCI), Revised Cardiac Risk Index (RCRI) and peri-operative biomarkers. The final cohort consisted of 712,808 non-cardiac surgeries, of which 55.1% were female and the average age was 53.4 +/- 22.4 years. Using the HFRS, 86.3% were considered low risk, 10.7% were considered intermediate risk and 3.1% were considered high risk for frailty. Intermediate and high HFRS scores were associated with increased risk of the primary outcome with an adjusted odds ratio of 1.61 (95% CI 1.50-1.74) and 1.55 (95% CI 1.38-1.73). Intermediate and high HFRS were also associated with increased adjusted odds of prolonged hospital stay, in-hospital mortality, and 1-year mortality. The HFRS is a minimally onerous frailty assessment tool that can complement perioperative risk stratification in identifying patients at high risk of short- and long-term 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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».