MétaCan
Menu
Retour à la cohorte
Enregistrement W2148342318 · doi:10.1096/fasebj.24.1_supplement.231.3

Preoperative carbohydrate loading in patients undergoing coronary artery bypass or spinal surgery

2010· article· en· W2148342318 sur OpenAlexaff
Susan T. Tran, Thomas M.S. Wolever, Lee Errett, Henry Ahn, C. David Mazer, Mary Keith

Notice bibliographique

RevueThe FASEB Journal · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueEnhanced Recovery After Surgery
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePreoperative fastingEveningInsulinCoronary artery bypass surgerySurgeryArteryInsulin resistanceAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Surgery induces a state of insulin resistance (IR) which may be aggravated by current fasting practices. Oral preoperative carbohydrate (CHO) loading may reduce postoperative IR and subsequently complications. The current study was designed to determine whether CHO loading would blunt the development of postoperative IR, reduce preoperative discomfort and improve clinical outcomes in elective coronary artery bypass or spinal surgical patients. Thirty‐eight patients were randomized to receive a CHO supplement the evening before (100g CHO) and two hours prior to surgery (50g CHO) or fast for 12 hours preoperatively. Insulin sensitivity was measured using the short insulin tolerance test and homeostasis model assessment (HOMA). Patient discomfort was measured immediately before surgery using visual analog scales. Insulin sensitivity was not significantly different between groups. However, the treated group experienced a significantly smaller rise in glucose levels following surgery (p=0.03) and had higher postoperative HOMA‐β scores (p=0.02). Supplemented patients were also significantly less thirsty (p=0.01), hungry (p=0.04) and anxious (p=0.01) before surgery and experienced a significantly shorter hospital stay (p=0.008). CHO loading improved outcomes, warranting re‐evaluation of fasting practices in this population. This research was supported by a CIHR student fellowship.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetEnhanced Recovery After SurgeryTravaux en français237 207