A Systematic Review of Risk Factors Associated With Cognitive Impairment After Pediatric Critical Illness*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To identify risk factors associated with cognitive impairment as assessed by neuropsychologic tests in neurotypical children after critical illness. DATA SOURCES: For this systematic review, we searched the Cochrane Library, Scopus, PubMed, Ovid, Embase, and CINAHL databases from January 1960 to March 2017. STUDY SELECTION: Included were studies with subjects 3-18 years old at the time of post PICU follow-up evaluation and use of an objective standardized neuropsychologic test with at least one cognitive functioning dimension. Excluded were studies featuring patients with a history of cardiac arrest, traumatic brain injury, or genetic anomalies associated with neurocognitive impairment. DATA EXTRACTION: Twelve studies met the sampling criteria and were rated using the Newcastle-Ottawa Quality Assessment Scale. DATA SYNTHESIS: Ten studies reported significantly lower scores in at least one cognitive domain as compared to healthy controls or normed population data; seven of these-four case-control and three prospective cohort studies-reported significant lower scores in more than one cognitive domain. Risk factors associated with post critical illness cognitive impairment included younger age at critical illness and/or older age at follow-up, low socioeconomic status, high oxygen requirements, and use of mechanical ventilation, sedation, and pain medications. CONCLUSIONS: Identifying risk factors for poor cognitive outcomes post critical illness may help healthcare teams modify patient risk and/or provide follow-up services to improve long-term cognitive outcomes in high-risk children.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,353 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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