MétaCan
Menu
Retour à la cohorte
Enregistrement W2767905948 · doi:10.1007/s40140-017-0245-2

Prehabilitation and Nutritional Support to Improve Perioperative Outcomes

2017· review· en· W2767905948 sur OpenAlexfundno aff
Malcolm West, Paul E. Wischmeyer, Michael P. W. Grocott

Notice bibliographique

RevueCurrent anesthesiology reports · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthRoyal College of AnaesthetistsNational Heart, Lung, and Blood InstituteUniversity of SouthamptonCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchEli Lilly and CompanyEdwards LifesciencesNational Institute of Academic AnaesthesiaRoyal SocietyAbbott Laboratories
Mots-clésPrehabilitationMedicinePsychological interventionAnesthesiologyPerioperativeIntensive care medicinePhysical therapyElective surgeryQuality of life (healthcare)Clinical nutritionPain medicineSurgeryNursingInternal medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The purpose of this study is to evaluate the role of physical exercise and nutrition interventions in adult patients before elective major surgery. RECENT FINDINGS: Exercise training before elective adult major surgery is feasible, safe, and efficacious, but the clinical effectiveness remains uncertain. Early data suggests a reduction in morbidity, length of stay, and quality of life, but the results of larger definitive studies are awaited. Nutritional interventions are less well evaluated and when they are, it is often in combination with exercise interventions as part of a prehabilitation package. SUMMARY: Studies evaluating exercise and nutrition interventions before elective major surgery in adults are producing encouraging early results, but definitive clinical evidence is currently very limited. Future research should focus on refining interventions, exploring mechanism, and evaluating the interactions between therapies and large-scale clinical effectiveness studies.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,179
Tête enseignante GPT0,491
Écart entre enseignants0,312 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations165
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent anesthesiology reportsMême sujetNutrition and Health in AgingTravaux en français237 207