The Association between Serum Albumin and Post-Operative Outcomes among Patients Undergoing Common Surgical Procedures: An Analysis of a Multi-Specialty Surgical Cohort from the National Surgical Quality Improvement Program (NSQIP)
Notice bibliographique
Résumé
While studies have demonstrated an association between preoperative hypoalbuminemia and adverse clinical outcomes, the optimal serum albumin threshold for risk-stratification in the broader surgical population remains poorly defined. We sought define the optimal threshold of preoperative serum albumin concentration for risk-stratification of adverse post-operative outcomes. Using the American College of Surgeons National Surgical Quality Improvement Program Database, we identified 842,672 patients that had undergone a common surgical procedure in one of eight surgical specialties. An optimal serum albumin concentration threshold for risk-stratification was determined using receiver-operating characteristic analysis. Multivariable logistic regression analysis was used to evaluate the odds of adverse surgical events; a priori defined subgroup analyses were performed. A serum albumin threshold of 3.4 g/dL optimally predicted adverse surgical outcomes in the broader cohort. After multivariable analysis, patients with hypoalbuminemia had increased odds of death within 30 days of surgery (odds ratio [OR] 2.01, 95% confidence interval [CI] 1.94-2.08). Hypoalbuminemia was associated with greater odds of primary adverse events among patients with disseminated cancer (OR 2.03, 95% CI 1.88-2.20) compared to patients without disseminated cancer (OR 1.47, 95% CI 1.44-1.51). The standard clinical threshold for hypoalbuminemia is the optimal threshold for preoperative risk assessment.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».