Hospital‐associated deconditioning: Not only physical, but also cognitive
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Hospital-associated deconditioning (HAD) or post-hospital syndrome is well recognized as reduced functional performance after an acute hospitalization. Recommendations for the management of HAD are still lacking, partly due to a poor understanding of the underlying processes. We aimed to review existing data on risk factors, pathophysiology, measurement tools, and potential interventions. MATERIALS AND METHODS: We conducted a systematic review from bibliographical databases in English, Spanish and French with keywords such as 'post-hospitalization syndrome' or 'deconditioning'. We selected studies that included people aged 60 years or older. Three researchers independently selected articles and assessed their quality. RESULTS: From 4421 articles initially retrieved, we included 94 studies. Most were related to risk factors, trajectories and measures, and focused on the physical aspects of deconditioning. Risk factors for HAD included age, nutritional status, mobility, and pre-admission functional status, but also cognitive impairment and depression. Regarding interventions, almost all studies were devoted to physical rehabilitation and environmental modifications. Only one study focused on cognitive stimulation. DISCUSSION: In the last decade, studies on HAD have mostly focused on the physical domain. However, neurological changes may also play a role in the pathophysiology of HAD. Beyond physical interventions, cognitive rehabilitation and neurological interventions should also be evaluated to improve deconditioning prevention and treatment in the hospital setting.
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.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle