Risk factors for postoperative delirium in geriatric patients with hip fracture: A systematic review and meta-analysis
Notice bibliographique
Résumé
Objectives: This systematic review and meta-analysis was conducted to identify the potential risk factors for postoperative delirium in geriatric patients with hip fracture. Methods: PubMed, EMBASE, and Cochrane Library were searched from inception until December 31st, 2021. A combined searching strategy of subject words and free words was adopted. Studies involving risk factors for postoperative delirium in elderly patients undergoing hip fracture surgeries were reviewed. Qualities of included studies were assessed using the Newcastle-Ottawa Scale. Data were pooled and a meta-analysis was performed using Review Manager 5.3. Results: A total of 37 studies were included. The following risk factors were significant: advanced age (per year increase) (OR: 1.05, 95% CI 1.04-1.07), age>80 years (OR: 2.26, 95% CI 1.47-3.47), male (OR: 1.53, 95% CI 1.37-1.70), preoperative cognitive impairment (OR:3.20, 95% CI 2.12-4.83), preoperative dementia (OR: 2.74, 95% CI 2.18-3.45), preoperative delirium (OR: 9.23, 95% CI 8.26-10.32), diabetes (OR: 1.18, 95% CI 1.05-1.33), preoperative functional dependence (OR: 1.31, 95% CI 1.11-1.56), ASA level (per level increase) (OR: 1.63, 95% CI 1.04-2.57), ASA level≥3(OR: 1.76, 95% CI 1.39-2.24), low albumin (OR: 3.30, 95% CI 1.44-7.55), medical comorbidities (OR: 1.15, 95% CI 1.06-1.25), Parkinson's disease (OR: 4.17, 95% CI 1.68-10.31) and surgery delay>48 h (OR: 1.90, 95% CI 1.36-2.65). Conclusions: Clinicians should be alert to patients with those risk factors. To identify the risk factors more precisely, more research studies with larger sample size and better design should be conducted.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| 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 ».