The impact of substance use disorders on postoperative falls in major noncardiac surgery: A retrospective cohort analysis
Notice bibliographique
Résumé
BACKGROUND: Substance use disorders are increasing in incidence yet may be underrecognized in the surgical population. Perioperatively, these substances and/or treatments for these disorders may be acutely stopped, increasing the risk of withdrawal symptoms and accidents, such as falls. However, there have been no studies evaluating the association between substance use disorders and postoperative falls in a broad surgical population. METHODS: A retrospective cohort analysis of adults (≥18 years) undergoing a broad case mix of major elective noncardiac surgeries was conducted using the New York State Inpatient and Emergency Department Databases from 2016 to 2019. The primary exposure was the presence of one or more substance use disorders at the time of admission. The primary outcome was a postoperative fall, defined as either an in-hospital fall after surgery, or an emergency department visit for a fall within 30-days of surgical discharge. Nearest-neighbour propensity score matching was used to match patients with a substance use disorder to those without one. Logistic regression was used to estimate the association of substance use disorders with postoperative falls in the unmatched and then the matched cohorts. RESULTS: 365,797 patients were included in this study, of which 2.12 % had an active substance use disorder. In the unmatched cohort, patients with a substance use disorder had 2.08 times the crude odds of a postoperative fall compared to their counterparts (95 % CI: 1.55 to 2.80, p < 0.001). In the matched cohort of 15,530 patients, a substance use disorder was also associated with an increased risk of 30-day falls (OR 1.71, 95 % CI 1.06 to 2.75, p = 0.028). DISCUSSION: Approximately 2 % of adults undergoing major elective noncardiac surgery had a substance use disorder. Patients with a substance use disorder had increased risks of postoperative falls. This study identified a potentially high-risk group of patients and highlights a continued need for robust screening and management of various substance use disorders in the perioperative period.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».