Impact of Hypoalbuminemia on Outcomes Following Hepatic Resection: A NSQIP Retrospective Cohort Analysis of 26,394 Patients
Notice bibliographique
Résumé
Background/Objectives: Efforts to preoperatively risk stratify and optimize patients before liver resection allow for improvements in postoperative outcomes, with hypoalbuminemia being increasingly researched as a surrogate for nutrition, overall health and functional status. Given the paucity of studies examining the relationship between hypoalbuminemia and liver resection, this study aims to determine the impact of hypoalbuminemia on outcomes following liver resections using a large multicenter database. Methods: The American College of Surgeons–National Surgical Quality Improvement Program (2017–2021) database was used to extract the data of patients who underwent a hepatic resection. Two cohorts were defined; those with hypoalbuminemia (HA; <3.0 g/L) and those with normal albumin levels (≥3.0 g/L). Both baseline characteristics and 30-day postoperative complication rates were compared between the two cohorts. Multivariable logistic regression models were used to assess the independent effect of HA on various outcomes. Area under curve–receiver operating characteristic (AUC-ROC) curves were used to identify optimal albumin thresholds for both serious complications and mortality. Results: We evaluated 26,394 patients who underwent liver resections, with 1347 (5.1%) having preoperative HA. The HA patients were older (62.3 vs. 59.8; p < 0.001) and more likely to be of an ASA class ≥ 4 (13.0% vs. 6.5%; p < 0.001). The patients with HA had significantly more complications such as an increased length of stay, readmission, reoperation, sepsis, surgical site infection, bile leak, and need for transfusion. After controlling for demographics and comorbidities, HA remained a significant independent predictor associated with both 30-day serious complication rates (aOR 2.93 [CI 95% 2.36–3.65, p < 0.001]) and mortality (aOR 2.15 [CI 95% 1.38–3.36, p = 0.001]). The optimal cut-off for albumin with respect to predicting serious complications was 4.0 g/dL (sensitivity 59.1%, specificity 56.8%, AUC-ROC 0.61) and 3.8 g/dL (sensitivity 56.6%, specificity 68.3%, AUC-ROC 0.67) for mortality. Conclusions: In this large, retrospective database analysis, preoperative HA was significantly associated with 30-day morbidity and mortality rates following hepatic resection. Preoperative albumin may serve as a useful marker for risk stratification in conjunction with pre-existing calculators. Future studies evaluating the risk mitigation impact of nutrition and exercise prehabilitation in these patients and its capacity to modify hypoalbuminemia would be beneficial.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».