Preoperative predictors of mortality in fractures of the proximal femur

Cover Page

Cite item

Full Text

Abstract

BACKGROUND: Age and comorbidities are considered independent preoperative predictors of mortality in proximal femoral fractures; however, their contribution remains debatable.

AIM: To assess the prognostic significance of age and Charlson Comorbidity Index (CCI) of the survival of older people with proximal femoral fractures.

MATERIALS AND METHODS: This retrospective prospective study included all cases of proximal femoral fractures that occurred between January 1, 2019, and December 31, 2019, in individuals over 50 years of age from the cities of Tver, Torzhok, Rzhev, VyshnyVolochek, and Kashin. ICD-10 codes: S72.0, S72.1, and S72.2. The CCI of each patient was calculated using an online calculator and clinical data obtained from patient and outpatient records. Statistical analysis. Survival was estimated using Kaplan–Meier curves and the average number of deaths per day per 1000 people. The follow-up interval was obtained in days from the time of injury to the event of death or last contact with the patient. The minimum observation period was 876 days, and the maximum was 1492 days.

RESULTS: The survival rate of patients decreased from younger to older age groups, both among those operated on and those who were not. Patients aged ≥85 years were at greatest risk (median survival: 257 days; 95% CI: 36.6–478.3). CCI was significantly associated with survival: the risk of death with CCI >3 was 3–6 times higher than that with CCI 2–3, depending on the follow-up interval. CCI reflected health status more than age: within the same age group, there were patients with different CCIs.

CONCLUSION: Using age and CCI simultaneously as predictors of mortality and more accurate indicators of health status will enable the planning of the utilization of additional medical and social resources in the preoperative and postoperative periods, thereby increasing survival.

About the authors

Svetlana S. Rodionova

Priorov National Medical Research Center of Traumatology and Orthopedics

Author for correspondence.
Email: rod06@inbox.ru
ORCID iD: 0000-0002-2726-8758
SPIN-code: 3529-8052

MD, Dr. Sci. (Med.), professor

Russian Federation, Moscow

Habiballah Zaid A. Asi

Tver’ State Medical University

Email: habeb.asi395@mail.ru
ORCID iD: 0000-0002-9194-743X
Russian Federation, Tver’

Alla V. Krivova

Tver’ State Medical University

Email: krivova267@gmail.com
ORCID iD: 0000-0002-9722-1285
SPIN-code: 9755-0627

MD, Dr. Sci. (Med.), professor

Russian Federation, Tver’

Elmira M. Murtazina

Priorov National Medical Research Center of Traumatology and Orthopedics

Email: nes_murtazina@mail.ru
ORCID iD: 0009-0000-6903-4012
Russian Federation, Moscow

References

  1. Xu BY, Yan S, Low LL, et al. Predictors of poor functional outcomes and mortality in patients with hip fracture: a systematic review. BMC Musculoskelet Disord. 2019;20(1):568. doi: 10.1186/s12891-019-2950-0
  2. Miettinen SSA, Savolainen S, Kröger H. Charlson comorbidity index predicts the 10-year survivorship of the operatively treated hip fracture patients. Eur J Orthop Surg Traumatol. 2023;33(4):1141–1148. doi: 10.1007/s00590-022-03259-2
  3. Fangke H, Chengying J, Jing S, Peifu T, Yan W. Preoperative predictors for mortality following hip fracture surgery: A systematic review and meta-analysis. Injury. 2012;43(6):676–685. doi: 10.1016/j.injury.2011.05.017
  4. Pereira S, Puts MT, Portela MC, Sayeg MA. The impact of pre fracture and hip fracture characteristics on mortality in older persons in Brazil. Clinical Orthopaedics and Related Research. 2010;468(7):1869–1883. doi: 10.1007/s11999-009-1147-5
  5. Sterling RS. Gender and race/ethnicity differences in hip fracture incidence, morbidity, mortality, and function. Clin Orthop Relat Res. 2011;469(7):1913–8. doi: 10.1007/s11999-010-1736-3
  6. Ishidou Y, Koriyama C, Kakoi H, et al. Predictive factors of mortality and deterioration in performance of activities of daily living after hip fracture surgery in Kagoshima, Japan. Geriatr Gerontol Int. 2017;17(3):391–401. doi: 10.1111/ggi.12718
  7. Kimura A, Matsumoto Y, Wakata Y, et al. Predictive factors of mortality of patients with fragility hip fractures at 1 year after discharge: A multicenter, retrospective study in the northern Kyushu district of Japan. Journal of Orthopaedic Surgery. 2019;27(3):2309499019866965. doi: 10.1177/2309499019866965
  8. Ondeck NT, Bohl DD, Bovonratwet P, et al. Discriminative ability of commonly used indices to predict adverse outcomes after poster lumbar fusion: a comparison of demographics, ASA, the modified Charlson Comorbidity Index, and the modified Frailty Index. Spine J. 2018;18(1):44–52. doi: 10.1016/j.spinee.2017.05.028
  9. Ondeck NT, Bohl DD, Bovonratwet P, et al. Predicting adverse outcomes after total hip arthroplasty: a comparison of demographics, the American Society of Anesthesiologists class, the modified Charlson comorbidity index, and the modified frailty index. J Am Acad Orthop Surg. 2018:26(20):735–743. doi: 10.5435/JAAOS-D-17-00009
  10. Schousboe JT. Mortality after osteoporotic fractures: What proportion is caused by fracture and is preventable? J Bone Miner Res. 2017;32(9):1783–1788. doi: 10.1002/jbmr.3216
  11. Paksima N, Koval KJ, Aharanoff G, et al. Predictors of mortality after hip fracture: a 10-year prospective study. Bull NYU Hosp Jt Dis. 2008;66(2):111–117.
  12. Galler M, Zellner M, Roll C, et al. A prospective study with ten years follow-up of two-hundred patients with proximal femoral fracture. Injury. 2018;49(4):841–845. doi: 10.1016/j.injury.2018.02.026
  13. Li X, Zhang P, Zhu S, et al. All-cause mortality risk in aged femoral intertrochanteric fracture patients. J Orthop Surg Res. 2021;16(1):727. doi: 10.1186/s13018-021-02874-9
  14. Varady NH, Gillinov SM, Yeung CM, et al. The Charlson and Elixhauser Scores Outperform the American Society of Anesthesiologists Score in Assessing 1-year Mortality Risk After Hip Fracture Surgery. Clin Orthop Relat Res. 2021;479(9):1970–1979. doi: 10.1097/CORR.0000000000001772
  15. Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. Journal of Chronic Diseases. 1987;40(5):373–383. doi: 10.1016/0021-9681(87)90171-8
  16. Raichandani K, Agarwal S, Jain H, Bharwani N. Mortality profile after 2 years of hip fractures in elderly patients treated with early surgery. J Clin Orthop Trauma. 2021;18:1–5. doi: 10.1016/j.jcot.2021.04.00В
  17. Jiang L, Chou ACC, Nadkarni N, et al. Charlson Comorbidity Index Predicts 5-Year Survivorship of Surgically Treated Hip Fracture Patients. Geriatric Orthopaedic Surgery & Rehabilitation. 2018;9:2151459318806442. doi: 10.1177/2151459318806442
  18. Cher EWL, Allen JC, Howe TS, Koh JSB. Comorbidity as the dominant predictor of mortality after hip fracture surgeries. Osteoporos Int. 2019;30(12):2477–2483. doi: 10.1007/s00198-019-05139-8
  19. Xing F, Luo R, Chen W, Zhou X. The risk-adjusted Charlson comorbidity index as a new predictor of one-year mortality rate in elderly Chinese patients who underwent hip fracture surgery. Orthop Traumatol Surg Res. 2021;107(3):102860. doi: 10.1016/j.otsr.2021.102860
  20. Frenkel RT, Assaly A, Vitenberg M, Shemesh S, Burg A, Haviv B, Velkes S. Outcome of non-surgical treatment of proximal femur fractures in the fragile elderly population. Injury. 2019;50(7):1347–1352. doi: 10.1016/j.injury.2019.05.022
  21. Dubrov VE, Shelupaev AA, Arutyunov GP, et al. Fractures of the proximal femur. Clinical features, diagnosis and treatment (Clinical guidelines, abridged version). N.N. Priorov Journal of Traumatology and Orthopedics. 2021;28(4):49−89. doi: 10.17816/vto100763

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Kaplan-Meier survival curves of unoperated patients in selected age groups.

Download (122KB)
Indexing metadata
3. Fig. 2. Kaplan-Meier survival curves of operated patients in different age groups.

Download (117KB)
Indexing metadata
4. Fig. 3. Kaplan-Meier survival curves of unoperated patients with different Charlson comorbidity index.

Download (127KB)
Indexing metadata
5. Fig. 4. Kaplan-Meier survival curves of operated patients with different Charlson comorbidity index.

Download (120KB)
Indexing metadata

Copyright (c) 2024 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».