Risk factors for rehospitalization within 90 days in patients with total joint replacement: A meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The risk factors influencing the readmission within 90 days following total joint replacement (TJR) are complex and heterogeneous, and few systematic reviews to date have focused on this issue. METHODS: Web of Science, Embase, PubMed, and Chinese National Knowledge Infrastructure databases were searched from the inception dates to December 2022. Relevant, published studies were identified using the following keywords: risk factors, rehospitalization, total hip replacement, total knee replacement, total shoulder replacement, and total joint replacement. All relevant data were collected from the studies that meet the inclusion criteria. The methodological quality of the studies was assessed using the Newcastle-Ottawa Scale (NOS). RESULTS: Of 68,336 patients who underwent TJR, 1,269,415 (5.4%) were readmitted within 90 days. High American Society of Anesthesiologists (ASA) class (OR, 1.502; 95%CI:1.405-1.605; P < .001), heart failure (OR,1.494; 95%CI: 1.235-1.754; P < .001), diabetes (OR, 1.246; 95%CI:1.128-1.377; P < .001), liver disease (OR, 1.339; 95%CI:1.237-1.450; P < .001), drinking (OR, 1.114; 95%CI:1.041-1.192; P = .002), depression (OR, 1.294; 95%CI:1.223-1.396; P < .001), urinary tract infection (OR, 5.879; 95%CI: 5.119-6.753; P < .001), and deep vein thrombosis (OR, 10.007; 95%CI: 8.787-11.396; P < .001) showed statistically positive correlation with increased 90-day readmissions after TJR, but high blood pressure, smoking, and pneumonia had no significant association with readmission risk. CONCLUSION: The findings of this review and meta-analysis will aid clinicians as they seek to understand the risk factors for 90-day readmission following TJR. Clinicians should consider the identified key risk factors associated with unplanned readmissions and develop strategies to risk-stratify patients and provide dedicated interventions to reduce the rates of readmission and enhance the recovery process.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,065 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».