Can recent health service use predict postoperative complications in seniors undergoing colon cancer surgery?
Bibliographic record
Abstract
Introduction: La chirurgie pour un cancer du colon est associée à un taux élevé de morbidité, particulièrement chez les personnes âgées. Il y a présentement un manque d'outils d'évaluation pour les patients vulnérables à risque de complications postopératoires. Le but de cette étude était d'identifier des prédicteurs de complications postopératoires graves chez les personnes âgées subissant une chirurgie pour cancer du colon, basé sur des données provenant de statistiques récentes sur l'utilisation des services de santé.Méthodes: Une cohorte prospective historique de patients atteints de cancer du colon âgés de 65 ans ou plus a été assemblée à partir de données d'hospitalisation provenant du fournisseur d'assurance de soins de santé de la province du Québec (2000-2006). Les réclamations administratives pour soins de santé de chaque patient ont été utilisées pour documenter les sections de l'Outil d'évaluation gérontologique (Comprensive Geriatric Assessment). Les complications postopératoires graves à 30 jours ont été évaluées à l'aide de la classification Clavien-Dindo (échelons III-V). Les associations entre complications et les caractéristiques des patients ont été évalués à l'aide d'un modèle Cox.Résultats: 3,789 patients ont été inclus (âge médian : 76; 54,3% féminin). 24,2% des cas étaient des chirurgies d'urgence. Des complications postopératoires ont été décelées dans 29% de la cohorte. Des complications d'échelon III, IV ou V ont été décelées dans 17.3%, 12.6% et 5% de la cohorte, respectivement (délai médian avant la première complication : 6 jours). Le taux d'incidence de visites postopératoires en salle d'urgence et de réadmission était de 17.8% et 11.3%, respectivement. Certaines variables furent associées de manière significative aux complications grâce à une analyse multivariée : sexe masculin (RR = 1.28, ICI = 1.13-1.45), âge ≥ 85 ans (RR = 1.25, IC = 1.03-1.52), plus de 10 médicaments actifs prescrits dans les 6 mois précédent la chirurgie (RR = 1.24, IC = 1.03-1.49), soins récents pour insuffisance rénale ou maladie cardiovasculaire (RR = 1.43, IC = 1.02-1.99; RR = 1.25, IC = 1.10 – 1.43), et chirurgie d'urgence (RR = 1.39, IC = 1.22-1.59).Conclusions: Une quantité importante de medicaments nouvellement prescrits, des soins récents pour insuffisance rénale ou maladies cardiovascuaires, et des chirurgies d'urgence ont tous été associés avec des complications postopératoires graves. Cette étude démontre la pertinence du développement d'outils d'évaluation basées sur des données provenant de statistiques d'utilisation des services de santé, dans le but d'identifier des populations âgées vulnérables à risque de complications postopératoires.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".