Not all total joint replacement patients are created equal: preoperative factors and length of stay in hospital

Can J Surg. 2015 Jun;58(3):160-6. doi: 10.1503/cjs.008214.

Abstract

Background: We conducted a cross-sectional study of primary total joint replacement (TJR) patients to determine predictors for prolonged length of stay (LOS) in hospital to identify patient characteristics that may inform resource allocation, accounting for patient complexity.

Methods: Preoperative demographics, medical comorbidities and acute hospital LOS from a consecutive series of primary TJR patients from an academic arthroplasty centre were abstracted. We categorized patients as LOS of 3 or fewer days, 4 days, or 5 or more days to align results with varying LOS benchmarks. To identify predictors for LOS, we used a generalized logistic regression model fitted on an LOS ternary outcome, using LOS of 3 or fewer days as a reference category.

Results: The sample included 1459 patients: 61.7% total knee and 38.3% total hip. Male sex was predictive of an LOS of 3 or fewer days (4 d: odds ratio [OR] 0.48, 95% confidence interval [CI] 0.364-0.631; ≥ 5 d: OR 0.57, 95% CI 0.435-0.758), as was current smoking status (4 d: OR 0.425, 95% CI 0.274-0.659; ≥ 5 d: OR 0.489, 95% CI 0.314-0.762). Strong predictors of prolonged LOS included total hip versus total knee arthroplasty, age 75 years or older, American Society of Anesthesiologists classification of 3 and 4 and number of cardiovascular comorbidities.

Conclusion: Not all patients undergoing TJR are equal. The goal should be individual patient-focused care rather than a predetermined LOS that is not achievable for all patients. Hospital resource planning must account for patient complexity when planning future bed management.

Contexte: Nous avons réalisé une étude transversale auprès de patients soumis à une chirurgie pour prothèse articulaire totale (PAT) afin de déterminer les facteurs prédictifs d’une durée du séjour hospitalier (DSH) prolongée (en établissement de soins de courte durée) et de dégager les caractéristiques des patients qui permettraient d’orienter l’allocation des ressources en tenant compte de la complexité des cas.

Méthodes: Nous avons extrait les données démographiques préopératoires, les comorbidités médicales et la DSH pour une série de cas consécutifs de PAT primaire dans un centre d’arthroplastie universitaire. Nous avons classé les patients par catégorie de DSH, soit 3 jours ou moins, 4 jours, ou 5 jours et plus, de manière à répartir les résultats selon les diverses cibles de DSH. Pour dégager les facteurs prédictifs de la DSH, nous avons utilisé un modèle de régression logistique généralisé intégré à un paramètre ternaire de DSH, en utilisant la DSH de 3 jours ou moins comme catégorie de référence.

Résultants: L’échantillon regroupait 1459 patients : 61,7 % recevant une prothèse totale du genou (PTG) et 38,3 % recevant une prothèse totale de la hanche (PTH). Le fait d’être de sexe masculin était prédictif d’une DSH de 3 jours ou moins (4 j : rapport des cotes [RC] 0,48, intervalle de confiance [IC] à 95 % 0,364–0,631; ≥ 5 j : RC 0,57, IC à 95 % 0,435–0,758), tout comme le statut à l’égard du tabagisme (4 j : RC 0,425, IC à 95 % 0,274–0,659; ≥ 5 j : RC 0,489, IC à 95 % 0,314–0,762). Les facteurs prédictifs fiables d’une DSH prolongée incluaient la PTH c. PTG, l’âge de 75 ans ou plus, une classification de 3 ou 4 selon l’American Society of Anesthesiologists et le nombre de comorbidités cardiovasculaires.

Conclusion: Les patients soumis à une PAT ne s’équivalent pas tous. L’objectif devrait être d’administrer des soins centrés sur le patient plutôt que sur une DSH prédéterminée qui, dans les faits, ne s’applique pas à tous patients. La planification des ressources hospitalières devra à l’avenir tenir compte de la complexité des cas dans la planification de la gestion des lits.

Publication types

  • Evaluation Study

MeSH terms

  • Adult
  • Age Factors
  • Aged
  • Aged, 80 and over
  • Arthroplasty, Replacement, Hip*
  • Arthroplasty, Replacement, Knee*
  • Cross-Sectional Studies
  • Female
  • Humans
  • Length of Stay / statistics & numerical data*
  • Logistic Models
  • Male
  • Middle Aged
  • Odds Ratio
  • Preoperative Period*
  • ROC Curve
  • Risk Factors
  • Smoking / adverse effects