The role of prehabilitation on short‐term outcomes after liver transplantation: A review of the literature and expert panel recommendations
Notice bibliographique
Résumé
BACKGROUND: Prehabilitation programs as part of ERAS protocols are being increasingly used in multiple surgeries, improving postoperative outcomes. Data regarding prehabilitation programs in patients awaiting liver transplantation and their outcomes is scarce. OBJECTIVES: To identify whether prehabilitation programs based on exercise training conducted prior to liver transplantation improve short-term postoperative outcomes, and to provide expert panel recommendations. DATA SOURCES: Ovid MEDLINE, Embase, Scopus, Google Scholar, and Cochrane Central. METHODS: Systematic review following PRISMA guidelines and recommendations using the GRADE approach derived from an international expert panel. Studies included those evaluating postoperative outcomes, as well as those evaluating functional outcomes. PROSPERO ID: CRD42021236305. RESULTS: Of the 170 studies screened, only one assessed the primary objective. Most studies focus on the preoperative impact of exercise training on aerobic capacity, muscle mass and/or strength, showing positive effects and no significant adverse events, but are underpowered and with heterogenous designs and interventions. The non-randomized observational study which assessed relevant postoperative outcomes, showed a non-significant trend towards reduced 90-day readmission rate and shorter length of stay in the prehabilitation group. CONCLUSIONS: Prehabilitation prior to liver transplantation is unlikely to be harmful, and likely to have short term benefits on functional status. We cautiously recommend prehabilitation on the basis of absence of harm and possibility of benefit (Quality of Evidence; Very Low | Grade of Recommendation; Low).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».