The impact of frailty on rectal prolapse repair: a retrospective analysis of the national inpatient sample for clinical outcomes and health resource utilization
Notice bibliographique
Résumé
Abstract Purpose Rectal prolapse commonly affects elderly, frail patients. The impact of frailty alone on surgical outcomes for rectal prolapse has not been thoroughly investigated. The aim of this study was to utilize the National Inpatient Sample and the modified frailty index (mFI-11) to compare postoperative outcomes between frail and robust patients undergoing surgery for rectal prolapse. Methods We conducted a retrospective population-based cohort study using the Healthcare Cost and Utilization Project (HCUP) NIS from 2015 to 2019. The mFI-11 was utilized to classify patients as frail or robust. The primary outcomes were overall in-hospital postoperative morbidity and mortality. The secondary outcomes included system-specific postoperative morbidity, length of stay (LOS), total in-hospital healthcare cost, and discharge disposition. These were assessed using univariable and multivariable regressions. Results A total of 2130 patients, 239 frail (mFI > 0.27) and 1,891 robust patients (mFI < 0.27) who underwent rectal prolapse repair were analyzed. After adjustment, frail patients had a higher rate of in-hospital mortality (OR 10.38, 95% CI 0.65–166.59, p = 0.098) and morbidity (OR 2.18, 95% CI 1.31–3.63, p = 0.003), longer LOS (MD 1.60 days, 95% CI 1.05–2.44, p = 0.028), and greater cost of treatment (MD $15,561.56, 95% CI − 6023.12–37,146.25, p = 0.157) than robust patients. Conclusion Frailty increases postoperative morbidity and mortality and cost more to the healthcare system overall for patients undergoing rectal prolapse repair. This retrospective study is limited by selection bias and residual confounding. Consideration of preoperative optimization programs for frail patients undergoing surgery for rectal prolapse is an important next step to mitigate these poor outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».