The Role of Clinical Characteristics in Stratifying Sedation Risk: A Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Determination of sedation type during gastrointestinal procedures is generally based on risk assessment via the American Society of Anesthesiologists (ASA) classification system, but the reliance of anesthesia risk on clinical factors remains largely uninvestigated. We aim to determine the association between various clinical factors and choice of sedation type during gastrointestinal procedures. METHODS: This single-center, retrospective cohort study used electronic medical records to identify patients receiving colonoscopy or endoscopy at Rhode Island Hospital. The electronic medical record was queried for history of alcohol abuse, opioid abuse, polysubstance abuse, prescriptions for psychotropic or opioid medications and ASA classification. Logistic regression was used to measure how patient characteristics correlated with sedation type. RESULTS: Totally, 2,033 patients were included in the study; 1,080 patients received moderate sedation and 853 received monitored anesthesia care (MAC). Three hundred fifty-four (60.2%) MAC patients had a history of alcohol abuse compared to 234 (39.8%) moderate sedation patients (P < 0.2334); 178 (62.9%) MAC and 105 (37.1%) moderate sedation patients had a history of opioid abuse (P < 0.001); 203 (73.6%) MAC and 73 (26.4%) moderate sedation patients had a history of polysubstance abuse (P < 0.001); and 815 (75.1%) MAC patients had psychiatric comorbidities versus 270 (24.9%) in the moderate sedation group (P < 0.001). In the MAC cohort, alcohol, opioid, polysubstance abuse and psychiatric history were associated with previous failure of moderate sedation (P < 0.0001). CONCLUSIONS: For a subset of patients, clinical factors including alcohol, opioid, polysubstance abuse and psychiatric history, in addition to ASA classification, play an important role in sedation management.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».