A Systematic Review and Meta-Analysis of Preoperative Frailty Instruments Derived From Electronic Health Data
Notice bibliographique
Résumé
BACKGROUND: Frailty is a strong predictor of adverse outcomes in the perioperative period. Given the increasing availability of electronic medical data, we performed a systematic review and meta-analysis with primary objectives of describing available frailty instruments applied to electronic data and synthesizing their prognostic value. Our secondary objectives were to assess the construct validity of frailty instruments that have been applied to perioperative electronic data and the feasibility of electronic frailty assessment. METHODS: Following protocol registration, a peer-reviewed search strategy was applied to Medline, Excerpta Medica dataBASE (EMBASE), Cochrane databases, and the Comprehensive Index to Nursing and Allied Health literature from inception to December 31, 2019. All stages of the review were completed in duplicate. The primary outcome was mortality; secondary outcomes included nonhome discharge, health care costs, and length of stay. Effect estimates adjusted for baseline illness, sex, age, procedure, and urgency were of primary interest; unadjusted and adjusted estimates were pooled using random-effects models where appropriate or narratively synthesized. Risk of bias was assessed. RESULTS: Ninety studies were included; 83 contributed to the meta-analysis. Frailty was defined using 22 different instruments. In adjusted data, frailty identified from electronic data using any instrument was associated with a 3.57-fold increase in the odds of mortality (95% confidence interval [CI], 2.68-4.75), increased odds of institutional discharge (odds ratio [OR], 2.40; 95% CI, 1.99-2.89), and increased costs (ratio of means, 1.54; 95% CI, 1.46-1.63). Most instruments were not multidimensional, head-to-head comparisons were lacking, and no feasibility data were reported. CONCLUSIONS: Frailty status derived from electronic data provides prognostic value as it is associated with adverse outcomes, even after adjustment for typical risk factors. However, future research is required to evaluate multidimensional instruments and their head-to-head performance and to assess their feasibility and clinical impact.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,043 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».