Risk Factors for Hospital Readmission Following Noncardiac Surgery: International Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: To determine timing and risk factors associated with readmission within 30 days of discharge following noncardiac surgery. Background: Hospital readmission after noncardiac surgery is costly. Data on the drivers of readmission have largely been derived from single-center studies focused on a single surgical procedure with uncertainty regarding generalizability. Methods: We undertook an international (28 centers, 14 countries) prospective cohort study of a representative sample of adults ≥45 years of age who underwent noncardiac surgery. Risk factors for readmission were assessed using Cox regression (ClinicalTrials.gov, NCT00512109). Results: Of 36,657 eligible participants, 2744 (7.5%; 95% confidence interval [CI], 7.2-7.8) were readmitted within 30 days of discharge. Rates of readmission were highest in the first 7 days after discharge and declined over the follow-up period. Multivariable analyses demonstrated that 9 baseline characteristics (eg, cancer treatment in past 6 months; adjusted hazard ratio [HR], 1.44; 95% CI, 1.30-1.59), 5 baseline laboratory and physical measures (eg, estimated glomerular filtration rate or on dialysis; HR, 1.47; 95% CI, 1.24-1.75), 7 surgery types (eg, general surgery; HR, 1.86; 95% CI, 1.61-2.16), 5 index hospitalization events (eg, stroke; HR, 2.21; 95% CI, 1.24-3.94), and 3 other factors (eg, discharge to nursing home; HR, 1.61; 95% CI, 1.33-1.95) were associated with readmission. Conclusions: Readmission following noncardiac surgery is common (1 in 13 patients). We identified perioperative risk factors associated with 30-day readmission that can help frontline clinicians identify which patients are at the highest risk of readmission and target them for preventive measures.
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.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 découle