Screening for subjective cognitive decline in the elderly via subjective cognitive complaints and informant-reported questionnaires: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Subjective cognitive decline may represent at-risk persons progressing to mild cognitive impairment (MCI), which can be exacerbated by effects of anesthesia and surgery. The objective of this systematic review is to identify the most common questions in subjective cognitive complaint and informant-reported questionnaires used in assessing cognitive impairment of elderly patients that are correlated with standardized tests for cognitive impairment screening. METHODS: We searched Medline, PubMed, Embase, Cochrane Central Register of Controlled Trials, Cochrane Database, Emcare Nursing, Web of Science, Scopus, CINAHL, ClinicalTrials.Gov, and ICTRP between September 20, 2005 to August 31, 2020. We included studies that evaluated subjective cognitive complaints and informant-reported questions in elderly patients. RESULTS AND CONCLUSION: A total of 28,407 patients were included from 22 studies that assessed 21 subjective complaint questionnaires and nine informant-reported questionnaires. The most common subjective cognitive complaints were those assessing anterograde memory, closely followed by perceptual-motor function and executive function. The most common informant-reported questions were those assessing executive function, temporal orientation, and anterograde memory. Questions assessing learning and memory were most associated with results from standardized tests assessing cognitive impairment. Assessing learning and memory plays a key role in evaluating subjective cognitive decline in elderly patients. Delivering subjective cognitive complaints questions to elderly patient preoperatively may aid in screening for those exhibiting cognitive signs, and in turn are at risk of postoperative complications. Thus, the results from this review contribute to knowledge for healthcare professionals regarding the use of subjective cognitive complaints and informant-reported complaints in preoperative settings.
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 | 0,015 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».