A Retrospective Study on Postoperative Complications in Gynecological Surgeries: Identification of High-Risk Factors and Best Practices
Notice bibliographique
Résumé
Background: Laparoscopic gynecologic surgery is widely favored for its minimally invasive nature, offering reduced postoperative pain, shorter hospital stays, and faster recovery. However, despite its advantages, postoperative complications—ranging from minor infections to major injuries—remain a concern. Identifying patient- and procedure-specific risk factors is critical to enhancing surgical safety and outcomes. Objective: To evaluate the incidence and predictors of postoperative complications in gynecologic laparoscopic surgeries and identify high-risk patient and procedural factors using a large, retrospective dataset. Methods: This retrospective cohort study included 15,308 patients who underwent laparoscopic gynecologic procedures at tertiary care hospitals in Pune, India, between January 2023 and October 2024. Patients were categorized by procedure type: adnexal surgery, myomectomy/uterine lesion surgery, LAVH/TLH, and malignancy surgery. Data on demographics, prior surgical history, comorbidities, and surgical details were collected. Complications were classified as major (e.g., bowel or ureteral injury, hemorrhage requiring reoperation) or minor (e.g., infection, transient fever). Multivariate logistic regression identified independent risk factors for major complications. Results: The overall major complication rate was 0.51%, and the minor complication rate was 4.64%. Surgeries for malignancy had the highest major complication rate. Independent risk factors for major complications included age 31–60 years (aOR: 2.88; 95% CI: 1.89–7.88), age >60 years (aOR: 2.92; 95% CI: 1.67–5.65), prior abdominal surgery (aOR: 3.58; 95% CI: 1.38–6.54), obesity (aOR: 2.52; 95% CI: 1.39–7.28), and higher surgical complexity (e.g., malignancy surgery vs. adnexal: aOR: 7.62; 95% CI: 3.61–13.63). Conclusion: Although complication rates in laparoscopic gynecologic surgery remain low, advanced age, obesity, previous abdominal surgery, and complex procedures significantly increase the risk of major complications. These findings underscore the need for thorough preoperative assessment, individualized surgical planning, and targeted risk mitigation strategies to optimize patient 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».