Predictors of adverse outcomes in elders hospitalised for isolated orthopaedic trauma: a multicentre cohort study
Notice bibliographique
Résumé
BACKGROUND: Patients >64 years of age now represent more than 51% of injury hospitalisations in Canada. The tools used to identify older patients who could benefit the most from an interdisciplinary approach include complex parameters difficult to collect in the ED, which suggests that better tools with higher accuracy and using items that can be derived from routinely collected data are needed. We aimed to identify variables that are associated with adverse outcomes in older patients admitted to a trauma centre for an isolated orthopaedic injury. METHODS: We conducted a multicentre retrospective cohort study between 1 April 2013 and 31 March 2019 on older patients hospitalised with a primary diagnosis of isolated orthopaedic injury (n=19 928). Data were extracted from the provincial trauma registry (Registre des traumatismes du Québec). We used multilevel logistic regression to estimate the associations between potential predictors and adverse outcomes (extended length of stay, mortality, complications, unplanned readmission and adverse discharge destination). RESULTS: Increasing age, male sex, specific comorbidities, type of orthopaedic injuries, increasing number of comorbidities, severe orthopaedic injury, head injuries and admission in the year before the injury were all significant predictors of adverse outcomes. CONCLUSION: We identified eight predictors of adverse outcomes in patients >64 years of age admitted to a trauma centre for orthopaedic injury. These variables could eventually be used to develop a clinical decision rule to identify elders who may benefit the most from interdisciplinary care.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,006 | 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 ».