Role of perceived stress in postoperative delirium: an investigation among elderly patients
Notice bibliographique
Résumé
Objectives: This study examined levels of perceived stress (PS), postoperative delirium (POD) and associated factors among Thai elderly patients undergoing elective noncardiac surgery.Background and aims: Preoperative PS and change after operation have not been widely studied. Moreover, psychological factors associated with PS and POD has been poorly investigated.Materials and Methods: In total, 429 elderly patients were recruited at a university hospital. The preoperative evaluation included sociodemographic data, health behaviors at risk, Perceived Stress Scale (PSS-10), Neuroticism Inventory (NI), Mental State Examination T10 (MSET10), Montreal Cognitive Assessment (MoCA) and Geriatric Depression Scale (GDS-15). Three-day postoperative evaluation included PSS-10 and Confusion Assessment Method Algorithm (CAM) or CAM-ICU for Delirium. Multiple regression and logistic regression analysis were performed to determine potential predictors.Results: Females were 58.97%, and the mean age was 69.93 ± 6.87 years. Mean pre- and postoperative PS were 12.77 ± 5.41 and 13.39 ± 5.26, respectively (P < 0.05). Multiple regression revealed that neuroticism, depression, and BMI predicted PS significantly. None of the independent variables was found to predict postoperative PS except for preoperative PS (p <.001). POD at the recovery room was predicted by preoperative PS (odds ratio = 1.181, 95% CI = 1.019–1.369), whereas overall POD was predicted by MoCA (odds ratio = .864, 95% CI = .771 -.968).Conclusion: Preoperative PS was significant in that it was associated with postoperative PS and POD. A careful assessment of preoperative PS as well as providing brief interventions for patients with high levels of this condition may reduce the risk of POD.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».