S'abonner

Sarcopenia predicts poor outcomes in urgent exploratory laparotomy - 06/12/18

Doi : 10.1016/j.amjsurg.2018.10.039 
Lisa M. Francomacaro, Charles Walker , Kathryn Jaap, James Dove, Marie Hunsinger, Kenneth Widom, Denise Torres, Mohsen Shabahang, Joseph Blansfield, Jeffrey Wild
 Department of General Surgery, Geisinger Medical Center, United States 

Corresponding author. Geisinger Medical Center, 100 N. Academy Avenue, MC 21-69, Danville, PA, 17822, United States.Geisinger Medical Center100 N. Academy AvenueMC 21-69DanvillePA17822United States

Abstract

Background

Emergent laparotomies are associated with higher rates of morbidity and mortality. Recent studies suggest sarcopenia predicts worse outcomes in elective operations. The purpose of this study is to examine outcomes following urgent exploratory laparotomy in sarcopenic patients.

Methods

This was a retrospective review of patients in a rural tertiary care facility between 2010 and 2014. Patients underwent a laparotomy within 72 h of admission and had an abdomen/pelvis CT scan were included. Primary outcomes were predictors of morbidity and mortality. Sarcopenia is the lowest quartile cross sectional area of the psoas muscles.

Results

Multivariate analysis of 967 patients found that sarcopenic patients had higher mortality, complication rate, were less likely to be discharged home, were more likely to undergo unplanned re-operation, and had a longer length of stay. Increasing abdominal wall fat has favorable outcomes in mortality, discharge destination, and complications.

Conclusions

Sarcopenia is measured from CT scans, making it an accessible outcome predictor. In urgent laparotomies, sarcopenia was associated with higher morbidity, mortality, length of stay, and worse discharge destination.

Le texte complet de cet article est disponible en PDF.

Highlights

Sarcopenia can easily be measured from CT scans.
It has been implemented in poor outcomes in elective surgery.
This study supports that sarcopenia is a predictor or poor outcomes in emergent cases.

Le texte complet de cet article est disponible en PDF.

Keywords : Urgent exploratory laparotomy, Sarcopenia, Predictive


Plan


© 2018  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 216 - N° 6

P. 1107-1113 - décembre 2018 Retour au numéro
Article précédent Article précédent
  • Safety and feasibility of single-port laparoscopic low anterior resection for upper rectal cancer
  • Mitsuyoshi Tei, Masahisa Otsuka, Yozo Suzuki, Kentaro Kishi, Masahiro Tanemura, Hiroki Akamatsu
| Article suivant Article suivant
  • A study of the visual symptoms in two-dimensional versus three-dimensional laparoscopy
  • Michael El Boghdady, Gobinath Ramakrishnan, Afshin Alijani

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2025 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.