Mortality Rate in Periprosthetic Proximal Femoral Fractures: Impact of Time to Surgery
Notice bibliographique
Résumé
Hip replacement surgery is increasingly being performed on older patients, raising the risk of periprosthetic proximal femur fractures (PPFFs). While the impact of surgery timing on mortality in proximal femoral fractures is established, its effect on PPFFs remains unclear. This study aims to examine the correlation between surgery timing and mortality in PPFF patients. In a historical cohort study, we analyzed data from 79 PPFF patients treated from 2012 to 2022. Patients were categorized by surgery timing (≤48 h, 32 patients vs. >48 h, 47 patients). Outcomes and mortality rates were compared. No significant difference in mortality was observed between patients undergoing early (<48 h) and delayed (>48 h) surgery at 30 days and 1 year. Factors such as age (p = 0.154), gender (p = 0.058), ASA score (p = 0.893), Vancouver classification (p = 0.577), and surgery type (implant revision p = 0.691, OR = 0.667) did not affect 30-day mortality. However, 1-year mortality was influenced by gender (male p = 0.045) and age (p = 0.004), but not by other variables (Vancouver classification p = 0.443, implant revision p = 0.196). These findings indicate no association between surgery timing and mortality in PPFF patients, suggesting that other factors may influence outcomes. Further research is needed to optimize PPFF management.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».