Cancer and the risk of perioperative arterial ischaemic events
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Most cancer patients require surgery for diagnosis and treatment. This study evaluated whether cancer is a risk factor for perioperative arterial ischaemic events. METHODS: The primary cohort included patients registered in the National Surgical Quality Improvement Program (NSQIP) between 2006 and 2016. The secondary cohort included Healthcare Cost and Utilization Project (HCUP) claims data from 11 US states between 2016 and 2018. Study populations comprised patients who underwent inpatient (NSQIP, HCUP) or outpatient (NSQIP) surgery. Study exposures were disseminated cancer (NSQIP) and all cancers (HCUP). The primary outcome was a perioperative arterial ischaemic event, defined as myocardial infarction or stroke diagnosed within 30 days after surgery. RESULTS: Among 5 609 675 NSQIP surgeries, 2.2% involved patients with disseminated cancer. The perioperative arterial ischaemic event rate was 0.96% among patients with disseminated cancer vs. 0.48% among patients without (hazard ratio [HR], 2.01; 95% confidence interval [CI], 1.90-2.13). In Cox analyses adjusting for demographics, functional status, comorbidities, surgical specialty, anesthesia type, and clinical factors, disseminated cancer remained associated with higher risk of perioperative arterial ischaemic events (HR, 1.37; 95% CI, 1.28-1.46). Among 1 341 658 surgical patients in the HCUP cohort, 11.8% had a diagnosis of cancer. A perioperative arterial ischaemic event was diagnosed in 0.74% of patients with cancer vs. 0.54% of patients without cancer (HR, 1.35; 95% CI, 1.27-1.43). In Cox analyses adjusted for demographics, insurance, comorbidities, and surgery type, cancer remained associated with higher risk of perioperative arterial ischaemic events (HR, 1.31; 95% CI, 1.21-1.42). CONCLUSION: Cancer is an independent risk factor for perioperative arterial ischaemic events.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».