Social vulnerability and surgery outcomes: a cross-sectional analysis
Notice bibliographique
Résumé
Abstract Background Post-operative complications present a challenge to the healthcare system due to the high unpredictability of their incidence. Socioeconomic conditions have been established as social determinants of health. However, their contribution relating to postoperative complications is still unclear as it can be heterogeneous based on community, type of surgical services, and sex and gender. Uncovering these relations can enable improved public health policy to reduce such complications. Methods In this study, we conducted a large population cross-sectional analysis of social vulnerability and the odds of various post-surgical complications. We collected electronic health records data from over 50,000 surgeries that happened between 2012 and 2018 at a quaternary health center in St. Louis, Missouri, United States and the corresponding zip code of the patients. We built statistical logistic regression models of postsurgical complications with the social vulnerability index of the tract consisting of the zip codes of the patient as the independent variable along with sex and race interaction. Results Our sample from the St. Louis area exhibited high variance in social vulnerability with notable rapid increase in vulnerability from the south west to the north of the Mississippi river indicating high levels of inequality. Our sample had more females than males, and females had slightly higher social vulnerability index. Postoperative complication incidence ranged from 0.75% to 41% with lower incidence rate among females. We found that social vulnerability was associated with abnormal heart rhythm with socioeconomic status and housing status being the main association factors. We also found associations of the interaction of social vulnerability and female sex with an increase in odds of heart attack and surgical wound infection. Those associations disappeared when controlling for general health and comorbidities. Conclusions Our results indicate that social vulnerability measures such as socioeconomic status and housing conditions could affect postsurgical outcomes through preoperative health. This suggests that the domains of preventive medicine and public health should place social vulnerability as a priority to achieve better health outcomes of surgical interventions.
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 | 0,004 |
| 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 ».