Relationship Between Perioperative Medication and Prolonged Postoperative Hospital Stay in Older Adults with Spinal Surgery: a Retrospective Cohort Study
Notice bibliographique
Résumé
Background: Older people are prone to multiple chronic diseases and, as a result, require multiple medications. At present, there is no study to verify whether the use of high-risk perioperative medications (HRPOMs) will adversely affect postoperative outcomes in the relatively old patient. In this study, we aimed to analyze the risks of HRPOMs for prolonged length of hospital stay (LOS) in advanced-aged (≥ 75 years) patients undergoing spinal surgery. Methods: Medical records of advanced-aged patients who underwent spinal surgeries were retrospectively reviewed. Patients were divided into those who had prolonged LOS (≥ eight days) versus those who did not (< eight days). The demographics, medical comorbidities, and perioperative medications were analyzed. Univariate and multivariate regression were used to determine perioperative risk factors for prolonged LOS. Results: A total of 268 patients were included with a median age of 79 years (interquartile range [IQR]=76, 82) and 127 (47.4%) patients had a prolonged LOS. In multivariate logistic analysis, higher body mass index (odds ratio [OR] = 1.116; 95% CI, 1.031-1.209), operation time (OR) = 1.009; 95% CI, 1.005-1.012), and number of postoperative HRPOMs (OR= 1.910; 95% CI, 1.464-2.492) were identified as independent predictors for prolonged LOS. The use of metformin was associated with lower likelihood of prolonged LOS in diabetic patients (OR = 0.365; 95% CI, 0.157-0.846). Conclusion: Our results indicate that the higher number of postoperative HRPOMs, rather than a specific HRPOMs type, is a risk factor for prolonged LOS. The continued preoperative use of metformin in patients with diabetes has a positive impact on the postoperative 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».