<p>Physical Performance and Risk of Postoperative Delirium in Older Adults Undergoing Aortic Valve Replacement</p>
Notice bibliographique
Résumé
BACKGROUND: Delirium is a major risk factor for poor recovery after surgical aortic valve replacement (SAVR) and transcatheter aortic valve replacement (TAVR). It is unclear whether preoperative physical performance tests improve delirium prediction. OBJECTIVE: To examine whether physical performance tests can predict delirium after SAVR and TAVR, and adapt an existing delirium prediction rule for cardiac surgery, which includes Mini-Mental State Examination (MMSE), depression, prior stroke, and albumin level. DESIGN: Prospective cohort, 2014-2017. SETTING: Single academic center. SUBJECTS: A total of 187 patients undergoing SAVR (n=77) or TAVR (n=110). METHODS: The Short Physical Performance Battery (SPPB) score was calculated based on gait speed, balance, and chair stands (range: 0-12 points, lower scores indicate poor performance). Delirium was assessed using the Confusion Assessment Method. We fitted logistic regression to predict delirium using SPPB components and risk factors of delirium. RESULTS: Delirium occurred in 35.8% (50.7% in SAVR and 25.5% in TAVR). The risk of delirium increased for lower SPPB scores: 10-12 (28.2%), 7-9 (34.5%), 4-6 (37.5%) and 0-3 (44.1%) (p-for-trend=0.001). A model that included gait speed <0.46 meter/second (OR, 2.7; 95% CI, 1.2-6.4), chair stands time ≥11.2 seconds (OR, 3.5; 95% CI, 1.0-12.4), MMSE <24 points (OR, 2.9; 95% CI, 1.3-6.4), isolated SAVR (OR, 5.4; 95% CI, 2.1-13.8), and SAVR and coronary artery bypass grafting (OR, 15.8; 95% CI, 5.5-45.7) predicted delirium better than the existing prediction rule (C statistics: 0.71 vs 0.61; p=0.035). CONCLUSION: Assessing physical performance, in addition to cognitive function, can help identify high-risk patients for delirium after SAVR and TAVR.
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 | 0,001 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».