La fragilité comme prédicteur de la durée du séjour hospitalier après les chirurgies orthopédiques majeures électives chez les patients âgés
Bibliographic record
Abstract
Avec le vieillissement de la population et le développement des maladies ostéoarticulaires chroniques, le nombre de chirurgies de remplacement de genou et de hanche est en augmentation au Canada. La fragilité, définie comme un état de perte de réserve physiologique et une incapacité à répondre adéquatement à un stresseur externe est aussi en hausse. Nous avons donc réalisé une étude prospective servant à déterminer la prévalence de la fragilité dans une population âgée en attente de chirurgie orthopédique élective et avons évalué si la fragilité est associée avec des pronostics postopératoires cliniques (transfert en centre de réhabilitation et séjour hospitalier prolongé). Quatre-vingt-sept patients de 65 ans et plus ont été recrutés à la clinique préopératoire de l’Hôpital Maisonneuve-Rosemont. La prévalence de la fragilité était de 4,5 % avec l’échelle de fragilité clinique et de 22,9 % avec l’échelle FRAIL. La moyenne d’âge de notre cohorte était de 73 ans et 65.5% des patients étaient des femmes. Les patients non robustes sur l’échelle de fragilité clinique étaient statistiquement associés avec un plus grand taux de congé à un centre de réadaptation (p=0.038) et un séjour prolongé (p=0.005), alors qu’il n’y avait pas cette association avec l’échelle FRAIL. Par contre, plus d’études doivent être réalisées pour confirmer nos données avant des études de type interventionnelles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".