Risk prediction models for emergence delirium in paediatric general anaesthesia: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: Emergence delirium (ED) occurs in approximately 25% of paediatric general anaesthetics and has significant adverse effects. The goal of the current systematic review was to identify the existing literature investigating performance of predictive models for the development of paediatric ED following general anaesthesia and to determine their usability. DESIGN: Systematic review using the Prediction model study Risk Of Bias Assessment Tool (PROBAST) framework. DATA SOURCES: Medline (Ovid), PubMed, Embase (Ovid), Cochrane Database of Systematic Reviews (Ovid), Cochrane CENTRAL (Ovid), PsycINFO (Ovid), Scopus (Elsevier) and Web of Science (Clarivate Analytics), ClinicalTrials.gov, International Clinical Trials Registry Platform and ProQuest Digital Dissertations and Theses International through 17 November 2020. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: All randomised controlled trials and cohort studies investigating predictive models for the development of ED in children undergoing general anaesthesia. DATA EXTRACTION AND SYNTHESIS: Following title, abstract and full-text screening by two reviewers, data were extracted from all eligible studies, including demographic parameters, details of anaesthetics and performance characteristics of the predictive scores for ED. Evidence quality and predictive score usability were assessed according to the PROBAST framework. RESULTS: The current systematic review yielded 9242 abstracts, of which only one study detailing the development and validation of the Emergence Agitation Risk Scale (EARS) met the inclusion criteria. EARS had good discrimination with c-index of 0.81 (95% CI 0.72 to 0.89). Calibration showed a non-significant Homer-Lemeshow goodness-of-fit test (p=0.97). Although the EARS demonstrated low concern of applicability, the high risk of bias compromised the overall usability of this model. CONCLUSIONS: The current systematic review concluded that EARS has good discrimination performance but low usability to predict ED in a paediatric population. Further research is warranted to develop novel models for the prediction of ED in paediatric anaesthesia. PROSPERO REGISTRATION NUMBER: CRD42019141950.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».