Vulnerability to Postoperative Complications in Obstructive Sleep Apnea: Importance of Phenotypes
Notice bibliographique
Résumé
Obstructive sleep apnea (OSA) is a common comorbidity in patients undergoing surgical procedures. Patients with OSA are at heightened risk of postoperative complications. Current treatments for OSA focus on alleviating upper airway collapse due to impaired upper airway anatomy. Although impaired upper airway anatomy is the primary cause of OSA, the pathogenesis of OSA is highly variable from person to person. In many patients, nonanatomical traits play a critical role in the development of OSA. There are 4 key traits or "phenotypes" that contribute to OSA pathogenesis. In addition to (1) impaired upper airway anatomy, nonanatomical contributors include: (2) impaired upper airway dilator muscle responsiveness; (3) low respiratory arousal threshold (waking up too easily to minor airway narrowing); and (4) unstable control of breathing (high loop gain). Each of these phenotypes respond differently to postoperative factors, such as opioid medications. An understanding of these phenotypes and their highly varied interactions with postoperative risk factors is key to providing safer personalized care for postoperative patients with OSA. Accordingly, this review describes the 4 OSA phenotypes, highlights how the impact on OSA severity from postoperative risk factors, such as opioids and other sedatives, is influenced by OSA phenotypes, and outlines how this knowledge can be applied to provide individualized care to minimize postoperative risk in surgical patients with OSA.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».