The Effect of Sarcopenia on Postoperative Outcomes Following Emergency Laparotomy: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Emergency laparotomy procedures have high rates of postoperative mortality and morbidity in older patient. Sarcopenia is associated with poor postoperative outcomes in elective surgeries and there is growing evidence for its use as a risk predictor in the emergency setting. The study aimed to evaluate the effect of sarcopenia on postoperative mortality and morbidity following emergency laparotomy. Five electronic databases were systematically searched (MEDLINE, EMBASE, CINAHL, Cochrane Central Register of Controlled Trials, and Web of Science) from conception until the 14th February 2022. All prospective cohort studies were included. Risk of bias was assessed with the Newcastle-Ottawa score. Pooled meta-analyses were estimated using the Mantel-Haenszel and inverse-generic variance method for mortality and morbidity outcomes. Eleven retrospective cohort studies were included, of which ten were included in the meta-analysis comprising of 3492 patients (1027 sarcopenic, 2465 non-sarcopenic). The study level incidence of sarcopenia ranged from 24.6 to 50.3% with a median rate of 25.1%. Sarcopenia was associated with increased 30-day mortality (OR 2.36, 95% CI, 1.66, 3.37, I2 = 43%), 90-day mortality (OR 2.51, 95% CI, 1.79, 3.52, I2 = 0%), and length of hospital stay (in days) (MD 1.18, 95% CI, 0.42, 1.94, I2 = 0%, P=0.002), but not incidence of postoperative major complications (OR 1.49, 95% CI, 0.86, 2.56, I2 = 70%, P = 0.15). Sarcopenia predicts poor outcomes following emergency laparotomy. We suggest assessment of sarcopenia should be incorporated into acute surgical assessment to identify high risk patients and inform clinical decision-making prior to an emergency laparotomy.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| 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 | 0,001 |
| 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 ».