MétaCan
Menu
Retour à la cohorte
Enregistrement W3042588725 · doi:10.1097/md.0000000000021193

The sensitivity and specificity of statistical rules for diagnosing delayed neurocognitive recovery with Montreal cognitive assessment in elderly surgical patients

2020· article· en· W3042588725 sur OpenAlexaboutno aff
Jian Hu, Chunjing Li, Bo‐Jie Wang, Xueying Li, Dong-Liang Mu, Dong‐Xin Wang

Notice bibliographique

RevueMedicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésMedicineNeurocognitiveMontreal Cognitive AssessmentCognitionCognitive impairmentPsychiatry

Résumé

récupéré en direct d'OpenAlex

Delayed neurocognitive recovery (DNR) is common in elderly patients after major noncardiac surgery. This study was designed to investigate the best statistical rule in diagnosing DNR with the Montreal cognitive assessment (MoCA) in elderly surgical patients.This was a cohort study. One hundred seventy-five elderly (60 years or over) patients who were scheduled to undergo major noncardiac surgery were enrolled. A battery of neuropsychological tests and the MoCA were employed to test cognitive function at the day before and on fifth day after surgery. Fifty-three age- and education-matched nonsurgical control subjects completed cognitive assessment with the same instruments at the same time interval. The definition of the international study of postoperative cognitive dysfunction (ISPOCD 1) was adopted as the standard reference for diagnosing DNR. With the MoCA, the following rules were used to diagnose DNR: the cut-off point of ≤26; the 1 standard deviation decline from baseline; the 2 scores decline from baseline; and the Z score of ≥1.96. The sensitivity and specificity as well as the area under receiver operating characteristic curve for the above rules in diagnosis of DNR were calculated.The incidence of DNR was 13.1% (23/175) according to the ISPOCD1 definition. When compared with the standard reference, the 2 scores rule showed the best combination of sensitivity (82.6%, 95% confidence interval [CI] 67.1%-98.1%) and specificity (82.2%, 95% CI 76.2%-88.3%); it also had the largest area under receiver operating characteristic curve (0.824, 95% CI 0.728-0.921, P < .001). The cut-off point rule showed high sensitivity (95.7%) and low specificity (37.5%), whereas the 1 standard deviation and the Z score rules showed low sensitivity (47.8% and 21.7%, respectively) and high specificity (93.4% and 97.3%, respectively).Compared with the ISPOCD1 definition, the 2 scores rule with MoCA had the best combination of sensitivity and specificity to diagnose DNR.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicineMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207