MétaCan
Menu
Retour à la cohorte
Enregistrement W2783740767 · doi:10.1186/s12916-017-0986-2

Identifying older adults at risk of harm following elective surgery: a systematic review and meta-analysis

2018· review· en· W2783740767 sur OpenAlexafffund
Jennifer Watt, Andrea C. Tricco, Catherine Talbot‐Hamon, Ba’ Pham, Patricia Rios, Agnes Grudniewicz, Camilla L. Wong, Douglas Sinclair, Sharon E. Straus

Notice bibliographique

RevueBMC Medicine · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensWilfrid Laurier UniversityUniversity of OttawaInstitute of Health EconomicsSt. Michael's HospitalInstitute for Work & HealthCanada Research ChairsUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMeta-analysisOdds ratioConfidence intervalNumber needed to harmMEDLINEIncidence (geometry)Adverse effectCINAHLElective surgeryProspective cohort studyInternal medicineRelative riskSurgeryNumber needed to treatPsychological interventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Elective surgeries can be associated with significant harm to older adults. The present study aimed to identify the prognostic factors associated with the development of postoperative complications among older adults undergoing elective surgery. METHODS: Medline, EMBASE, CINAHL, Cochrane Central Register of Controlled Trials, and AgeLine were searched for articles published between inception and April 21, 2016. Prospective studies reporting prognostic factors associated with postoperative complications (composite outcome of medical and surgical complications), functional decline, mortality, post-hospitalization discharge destination, and prolonged hospitalization among older adults undergoing elective surgery were included. Study characteristics and prognostic factors associated with the outcomes of interest were extracted independently by two reviewers. Random effects meta-analysis models were used to derive pooled effect estimates for prognostic factors and incidences of adverse outcomes. RESULTS: Of the 5692 titles and abstracts that were screened for inclusion, 44 studies (12,281 patients) reported on the following adverse postoperative outcomes: postoperative complications (n =28), postoperative mortality (n = 11), length of hospitalization (n = 21), functional decline (n = 6), and destination at discharge from hospital (n = 13). The pooled incidence of postoperative complications was 25.17% (95% confidence interval (CI) 18.03-33.98%, number needed to follow = 4). The geriatric syndromes of frailty (odds ratio (OR) 2.16, 95% CI 1.29-3.62) and cognitive impairment (OR 2.01, 95% CI 1.44-2.81) were associated with developing postoperative complications; however, there was no association with traditionally assessed prognostic factors such as age (OR 1.07, 95% CI 1.00-1.14) or American Society of Anesthesiologists status (OR 2.62, 95% CI 0.78-8.79). Besides frailty, other potentially modifiable prognostic factors, including depressive symptoms (OR 1.77, 95% CI 1.22-2.56) and smoking (OR 2.43, 95% CI 1.32-4.46), were also associated with developing postoperative complications. CONCLUSION: Geriatric syndromes are important prognostic factors for postoperative complications. We identified potentially modifiable prognostic factors (e.g., frailty, depressive symptoms, and smoking) associated with developing postoperative complications that can be targeted preoperatively to optimize care.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,045
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0170,034
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,141
Tête enseignante GPT0,396
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations225
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetFrailty in Older AdultsTravaux en français237 207