MétaCan
Menu
Retour à la cohorte
Enregistrement W3021783622 · doi:10.1213/ane.0000000000004602

Frailty for Perioperative Clinicians: A Narrative Review

2020· review· en· W3021783622 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAnesthesia & Analgesia · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensOttawa HospitalDalhousie UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicinePerioperativeStressorMalnutritionQuality of life (healthcare)GerontologyFrailty IndexMEDLINEFrailty syndromeAdverse effectIntensive care medicinePsychiatrySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Frailty is a multidimensional syndrome characterized by decreased reserve and diminished resistance to stressors. People with frailty are vulnerable to stressors, and exposure to the stress of surgery is associated with increased risk of adverse outcomes and higher levels of resource use. As Western populations age rapidly, older people with frailty are presenting for surgery with increasing frequency. This means that anesthesiologists and other perioperative clinicians need to be familiar with frailty, its assessment, manifestations, and strategies for optimization. We present a narrative review of frailty aimed at perioperative clinicians. The review will familiarize readers with the concept of frailty, will discuss common and feasible approaches to frailty assessment before surgery, and will describe the relative and absolute associations of frailty with commonly measured adverse outcomes, including morbidity and mortality, as well as patient-centered and reported outcomes related to function, disability, and quality of life. A proposed approach to optimization before surgery is presented, which includes frailty assessment followed by recommendations for identification of underlying physical disability, malnutrition, cognitive dysfunction, and mental health diagnoses. Overall, 30%-50% of older patients presenting for major surgery will be living with frailty, which results in a more than 2-fold increase in risk of morbidity, mortality, and development of new patient-reported disability. The Clinical Frailty Scale appears to be the most feasible frailty instrument for use before surgery; however, evidence suggests that predictive accuracy does not differ significantly between frailty instruments such as the Fried Phenotype, Edmonton Frail Scale, and Frailty Index. Identification of physical dysfunction may allow for optimization via exercise prehabilitation, while nutritional supplementation could be considered with a positive screen for malnutrition. The Hospital Elder Life Program shows promise for delirium prevention, while individuals with mental health and or other psychosocial stressors may derive particular benefit from multidisciplinary care and preadmission discharge planning. Robust trials are still required to provide definitive evidence supporting these interventions and minimal data are available to guide management during the intra- and postoperative phases. Improving the care and outcomes of older people with frailty represents a key opportunity for anesthesiologists and perioperative scientists.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,091
Tête enseignante GPT0,408
Écart entre enseignants0,317 · 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