Perioperative risk assessment – focus on functional capacity
Notice bibliographique
Résumé
PURPOSE OF REVIEW: This review examines how functional capacity informs preoperative risk stratification, as well as strengths and limitations of options for estimating functional capacity. RECENT FINDINGS: Functional capacity (or cardiopulmonary fitness) overlaps with other important characteristics, including muscular strength, balance, and frailty. Poor functional capacity is associated with postoperative morbidity, especially noncardiovascular complications. Both patient interviews and exercise tests are used to assess functional capacity. The usual approach of an unstructured patient interview does not predict outcomes. Structured interviews that incorporate validated questionnaires (Duke Activity Status Index) or standardized questions about physical activity (ability to climb stairs) do predict moderate-or-severe complications and cardiovascular complications. Among exercise tests, cardiopulmonary exercise testing (CPET) has shown the most consistent association with risks of complications. Other tests (6-min walk test, incremental shuttle walk test, stair climbing) might predict complications, but still require further high-quality evaluation. SUMMARY: A straightforward way to better assess functional capacity is a structured interview with validated questionnaires or standardized questions about physical activities. Functional capacity can also be assessed by exercise tests, with the strongest evidence supporting CPET. Although some simpler exercise tests have shown promise, more research remains needed to better define their role in preoperative evaluation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 ».