Long-term mortality following complications after elective surgery: a secondary analysis of pooled data from two prospective cohort studies
Notice bibliographique
Résumé
BACKGROUND: Complications after surgery affect survival and quality of life. We aimed to confirm the relationship between postoperative complications and death within 1 yr after surgery. METHODS: We conducted a secondary analysis of pooled data from two prospective cohort studies of patients undergoing surgery in five high-income countries between 2012 and 2014. Exposure was any complication within 30 days after surgery. Primary outcome was death within 1 yr after surgery, ascertained by direct follow-up or linkage to national registers. We adjusted for clinically important covariates using a mixed-effect multivariable Cox proportional hazards regression model. We conducted a planned subgroup analysis by type of complication. Data are presented as mean with standard deviation (sd), n (%), and adjusted hazard ratios (aHRs) with 95% confidence intervals (CIs). RESULTS: The pooled cohort included 10 132 patients. After excluding 399 (3.9%) patients with missing data or incomplete follow-up, 9733 patients were analysed. The mean age was 59 [sd 16.8] yr, and 5362 (55.1%) were female. Of 9733 patients, 1841 (18.9%) had complications within 30 days after surgery, and 319 (3.3%) died within 1 yr after surgery. Of 1841 patients with complications, 138 (7.5%) died within 1 yr after surgery compared with 181 (2.3%) of 7892 patients without complications (aHR 1.94 [95% CI: 1.53-2.46]). Respiratory failure was associated with the highest risk of death, resulting in six deaths amongst 28 patients (21.4%). CONCLUSIONS: Postoperative complications are associated with increased mortality at 1 yr. Further research is needed to identify patients at risk of complications and to reduce mortality.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,000 |
| 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 ».