The Role of Frailty and Sarcopenia in Predicting Major Adverse Events, Length of Stay and Reoperation Following <i>En Bloc</i> Resection of Primary Tumours of the Spine
Notice bibliographique
Résumé
Study Design Retrospective observational cohort study. Objective En bloc resection for primary tumours of the spine is associated with a high rate of adverse events (AEs). The objective was to explore the relationship between frailty/sarcopenia and major perioperative AEs, length of stay (LOS), and unplanned reoperation following en bloc resection of primary spinal tumours. Methods This is a unicentre study consisting of adult patients undergoing en bloc resection for a primary spine tumor. Frailty was calculated with the modified frailty index (mFI) and spine tumour frailty index (STFI). Sarcopenia was quantified with the total psoas area/vertebral body area ratio (TPA/VB) at L3 and L4. Univariable regression analysis was used to quantify the association between frailty/sarcopenia and major perioperative AEs, LOS and unplanned reoperation. Results 95 patients met the inclusion criteria. The mFI and STFI identified a frailty prevalence of 3% and 18%. Mean CT TPA/VB ratios were 1.47 (SD ± .05) and 1.83 (SD ± .06) at L3 and L4. Inter-observer reliability was .93 and .99 for CT and MRI L3 and L4 TPA/VB ratios. Unadjusted analysis demonstrated sarcopenia and mFI did not predict perioperative AEs, LOS or unplanned reoperation. Frailty defined by an STFI score ≥2 predicted unplanned reoperation for surgical site infection (SSI) ( P < .05). Conclusions The STFI was only associated with unplanned reoperation for SSI on unadjusted analysis, while the mFI and sarcopenia were not predictive of any outcome. Further studies are needed to investigate the relationship between frailty, sarcopenia and perioperative outcomes following en bloc resection of primary spinal tumors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».