Factors Associated with Early Discharge after Non-Emergent Right Colectomy for Colon Cancer: A NSQIP Analysis
Notice bibliographique
Résumé
The National Surgical Quality Improvement Project (NSQIP) dataset was used to identify perioperative variables associated with the length of stay (LOS) and early discharge among cancer patients undergoing colectomy. Patients who underwent non-emergent right colectomy for colon cancer from 2012 to 2019 were identified from the NSQIP and colectomy-targeted databases. Postoperative LOS was analyzed based on postoperative day (POD) of discharge, with patients grouped into Early Discharge (POD 0–2), Standard Discharge (POD 3–5), or Late Discharge (POD ≥ 6) cohorts. Multivariable ordinal logistic regression was performed to identify risk factors associated with early discharge. The NSQIP query yielded 26,072 patients: 3684 (14%) in the Early Discharge, 13,414 (52%) in the Standard Discharge, and 8974 (34%) in the Late Discharge cohorts. The median LOS was 4.0 days (IQR: 3.0–7.0). Thirty-day readmission rates were 7% for Early Discharge, 8% for Standard Discharge, and 12% for Late Discharge. On multivariable regression analysis, risk factors significantly associated with a shorter LOS included independent functional status, minimally invasive approach, and absence of ostomy or additional bowel resection (all p < 0.001). Perioperative variables can be used to develop a model to identify patients eligible for early discharge after right colectomy for colon cancer. Efforts to decrease the overall median length of stay should focus on optimization of modifiable risk factors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».