Determination of frail state and association of frailty with inflammatory markers among cardiac surgery patients in a Central European patient population
Notice bibliographique
Résumé
INTRODUCTION: With the aging of the population, the screening of frail patients, especially before high-risk surgery, come to the fore. The background of the frail state is not totally clear, most likely inflammatory processes are involved in the development. METHODS: Our survey of patients over age of 65 who were on cardiac surgery were performed with Edmonton Frail Scale (EFS). Patients' demographic, perioperative data, incidence of complications and correlations of inflammatory laboratory parameters were studied with the severity of the frail state. RESULTS: On the basis of EFS, 313 patients were divided into non-frail (NF,163,52%), pre-frail (PF,89,28.5%) and frail (F,61,19.5%) groups. Number of complications in the three groups were different (NF:0.67/patient, PF:0.76/patient, F:1.08/patient). We showed significant difference between NF and F in both intensive care and hospital stay, but there was no statistical difference between the groups in hospital deaths (NF:5/163, PF:3/89, F:5/61). We also found a significant difference between NF and F patients in preoperative fibrinogen-, CRP- and white blood cell count levels. CONCLUSIONS: We first present the incidence of frailty in patients with heart surgery in a Central-European population. According to our results, inflammatory processes are likely to play a role in the development of the frail state.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».