Frailty and body composition predict adverse outcomes after emergency general surgery admission: a multicentre observational cohort study
Notice bibliographique
Résumé
Introduction Emergency surgical admissions represent the most unwell patients admitted to any hospital. Frailty and body composition independently identify risk of adverse outcomes but are seldom combined to predict outcomes in emergency patients. We aim to determine the relationships between frailty, body composition analyses (BCA) and mortality in an undifferentiated emergency general surgical patient population. Method A prospective, multicentre observational cohort study of patients admitted with emergency surgical pathology was conducted in eight hospitals. BCA were performed at L3 vertebrae using computed tomography images to quantify sarcopenia and myosteatosis. Sex-specific BCA cut-off values were determined by our previous study. Reported Edmonton Frail Scale (REFS) values ≥8 identified frailty. The primary outcomes were all-cause 30-day and 1-year mortality. Multivariable logistic regression was utilised to explore predictive relationships between frailty, BCA, mortality and independent discharge. Results A total of 194 patients were included; 24% were frail, 25% were sarcopenic and 23% myosteatotic. Some 61% of patients underwent an emergency laparotomy. Frail patients were more likely to be sarcopenic (20.4% vs 40.4%; p = 0.011) and myosteatotic (27.2% vs 51.1%; p = 0.004). Thirty-day and 1-year mortality was 5.2% and 15.5%, respectively; 30-day mortality was two times higher in the frail group (4.1% vs 8.5%; p = 0.414), and three times higher at 1 year (10.2% vs 31.9%; p = 0.001). Age (odds ratio [OR] 1.06; p = 0.001), sarcopenia (OR 2.88; p = 0.047) and frailty (OR 4.13; p = 0.001) were associated with 1-year mortality. Only 55.3% of frail patients were discharged home independently compared with 88.4% non-frail patients (p < 0.001). One-year mortality was greater in those with frailty and/or BCA abnormalities than in those without (28.8% vs 9.6%; p = 0.003). Conclusion Frailty, sarcopenia and myosteatosis contribute significantly to adverse 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 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 | 0,001 |
| 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 | 0,001 | 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 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 ».