A Systematic Review and Meta-analysis Examining the Impact of Age on Perioperative Inflammatory Biomarkers
Notice bibliographique
Résumé
BACKGROUND: Dysregulation of immune responses to surgical stress in older patients and those with frailty may manifest as differences in inflammatory biomarkers. We conducted a systematic review and meta-analysis to examine differences in perioperative inflammatory biomarkers between older and younger patients, and between patients with and without frailty. METHODS: MEDLINE, Embase, Cochrane, and CINAHL databases were searched (Inception to June 23, 2020). Observational or experimental studies reporting the perioperative level or activity of biomarkers in surgical patients stratified by age or frailty status were included. The primary outcome was inflammatory biomarkers (grouped by window of ascertainment: pre-op; post-op: <12 hours, 12-24 hours, 1-3 days, 3 days to 1 week, and >1 week). Quality assessment was conducted using the Newcastle-Ottawa Scale. Inverse-variance, random-effects meta-analysis was conducted. RESULTS: Forty-five studies (4263 patients) were included in the review, of which 36 were pooled for meta-analysis (28 noncardiac and 8 cardiac studies). Two studies investigated frailty as the exposure, while the remaining investigated age. In noncardiac studies, older patients had higher preoperative levels of interleukin (IL)-6 and C-reactive protein (CRP), lower preoperative levels of lymphocytes, and higher postoperative levels of IL-6 (<12 hours) and CRP (12-24 hours) than younger patients. In cardiac studies, older patients had higher preoperative levels of IL-6 and CRP and higher postoperative levels of IL-6 (<12 hours and >1 week). CONCLUSIONS: Our findings demonstrate a paucity of frailty-specific studies; however, the presence of age-associated differences in the perioperative inflammatory response is consistent with age-associated states of chronic systemic inflammation and immunosenescence. Additional studies assessing frailty-specific changes in the systemic biologic response to surgery may inform the development of targeted interventions.
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 | 0,020 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,042 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».