MétaCan
Menu
Retour à la cohorte
Enregistrement W2926603168 · doi:10.3389/fphys.2019.00328

Aging and Comorbidities in Acute Pancreatitis I: A Meta-Analysis and Systematic Review Based on 194,702 Patients

2019· review· en· W2926603168 sur OpenAlexaboutno aff
Katalin Márta, Alina-Marilena Lãzãrescu, Nelli Farkas, Péter Mátrai, Irina M. Cazacu, Máté Ottóffy, Tamás Habon, Bálint Erőss, Áron Vincze, Gábor Veres, László Czakó, Patrícia Sarlós, Zoltán Rakonczay, Péter Hegyi

Notice bibliographique

RevueFrontiers in Physiology · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePancreatitis Pathology and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Research, Development and Innovation OfficeEmberi Eroforrások MinisztériumaMagyar Tudományos Akadémia
Mots-clésFunnel plotMedicineMeta-analysisPublication biasIncidence (geometry)Systematic reviewAcute pancreatitisInternal medicineMortality rateRandom effects modelMEDLINEForest plot

Résumé

récupéré en direct d'OpenAlex

Acute pancreatitis (AP) is one of the most common cause of hospitalization among gastrointestinal diseases worldwide. Although most of the cases are mild, approximately 10%-20% of patients develop a severe course of disease with higher mortality rate. Scoring systems consider age as a risk factor of mortality and severity (BISAP;>60yrs, JPN>70 yrs, RANSON;>55yrs, APACHE II>45 yrs). If there is a correlation between ageing and the clinical features of AP, how does age influence mortality and severity? This study aimed to systematically review the effects of aging on AP. A comprehensive systematic literature search was conducted in the Embase, Cochrane and Pubmed databases. A meta-analysis was performed using the preferred reporting items for systematic review and meta-analysis statement (PRISMA). A total of 1100 articles were found. After removing duplicates and articles containing insufficient or irrelevant data, 33 publications involving 194 702 AP patients were analyzed.Seven age categories were determined and several mathematical models, including conventional mathematical methods (linear regression), meta-analyses (random effect model and heterogeneity tests), meta-regression, funnel plot and Egger’s test for publication bias were performed. Quality assessment was conducted using the modified Newcastle–Ottawa scale.The meta-analysis was registered in the PROSPERO database (CRD42017079253). Aging greatly influences the outcome of AP. There was a low severe AP incidence in patients under 30(1.6%); however, the incidence of severe AP showed a continuous, linear increase between 20 and 70(0.193%/year) of up to 9.6%. The mortality rate was 0.9% in patients under 20 and demonstrated a continuous linear elevation until 59,however from this age the mortality rate started elevating with 9 times higher rate until the age of 70.The mortality rate between 20 and 59 grew 0.086%/year and 0.765%/year between 59 and 70. Overall, patients above 70 had a 19 times higher mortality rate than patients under 20. The mortality rate rising with age was confirmed by meta-regression (coefficient:0.037CI:0.006–0.068,p=0.022;adjustedr2:13.8%),and severity also (coefficient:0.035CI:0.019–0.052,p<0.001;adjusted r2:31.6%). Our analysis shows a likelihood of severe pancreatitis, as well as, pancreatitis-associated mortality is more common with advanced age. Importantly,the rapid elevation of mortality above the age of 59 suggests the involvement of additional deteriorating factors such as co-morbidity in elderly.

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)0,010
score de la tête « metaresearch » (Gemma)0,022
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: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,022
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,043
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
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 Opus0,042
Tête enseignante GPT0,319
Écart entre enseignants0,278 · 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

Citations53
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetPancreatitis Pathology and TreatmentTravaux en français237 207