MétaCan
Menu
Retour à la cohorte
Enregistrement W4296482276 · doi:10.1097/sla.0000000000005720

Domains of Frailty Predict Loss of Independence in Older Adults After Noncardiac Surgery

2022· article· en· W4296482276 sur OpenAlexaboutno aff
Lee A. Goeddel, Zachary C. Murphy, Oluwafemi P. Owodunni, Tina Esfandiary, Demetria Campbell, Joanne Shay, Olive Tang, Karen Bandeen‐Roche, Susan L. Gearhart, Charles H. Brown

Notice bibliographique

RevueAnnals of Surgery · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesNational Heart, Lung, and Blood InstituteNational Institute on AgingNational Institutes of HealthJohns Hopkins University
Mots-clésMedicineActivities of daily livingRetrospective cohort studyOdds ratioCohortPhysical therapyGerontologyPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Preoperative frailty has been consistently associated with death, severe complications, and loss of independence (LOI) after surgery. LOI is an important patient-centered outcome, but it is unclear which domains of frailty are most strongly associated with LOI. Such information would be important to target individual geriatric domains for optimization. OBJECTIVE: To assess whether impairment in individual domains of the Edmonton Frail Scale (EFS) can predict LOI in older adults after noncardiac surgery. DESIGN: Retrospective Cohort Study. SETTING: One Academic Hospital. PARTICIPANTS: Patients aged 65 or older who were living independently and evaluated with the EFS during a preoperative visit to the Center for Preoperative Optimization at the Johns Hopkins Hospital between June 2018 and January 2020. MAIN OUTCOME: LOI defined as discharge to increased level of care outside of the home with new mobility deficit or functional dependence. New mobility deficit and functional dependence were extracted from chart review of the standardized occupational therapy and physical therapy assessment performed before discharge. RESULTS: A total of 3497 patients were analyzed. Age (mean±SD) was 73.4±6.2 years, and 1579 (45.2%) were female. The median total EFS score was 3 (range 0-16), and 725/3497 (27%) were considered frail (EFS≥6). The frequencies of impairment in each EFS domain were functional performance (33.5% moderately impaired, 11% severely impaired), history of hospital readmission (42%), poor self-described health status (37%), and abnormal cognition (17.1% moderately impaired, 13.8% severely impaired). Overall, 235/3497 (6.7%) patients experienced LOI. Total EFS score was associated with LOI (odds ratio: 1.37, 95% CI, 1.30-1.45, P <0.001) in a model adjusted for age, sex, body mass index, American Society of Anesthesiologists rating, congestive heart failure, valvular heart disease, hypertension diagnosis, chronic lung disease, diabetes, renal failure, liver disease, weight loss, anemia, and depression. Using a nested log likelihood approach, the domains of functional performance, functional dependence, social support, health status, and urinary incontinence improved the base multivariable model. In cross-validation, total EFS improved the prediction of LOI with the final model achieving an area under the curve of 0.840. Functional performance was the single domain that most improved outcome prediction, but together with functional dependence, social support, and urinary incontinence, the model resulted in an area under the curve of 0.838. CONCLUSION AND RELEVANCE: Among domains measured by the EFS before a wide range of noncardiac surgeries in older adults, functional performance, functional dependence, social support, and urinary incontinence were independently associated with and improved the prediction of LOI. Clinical initiatives to mitigate LOI may consider screening with the EFS and targeting abnormalities within these domains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,313
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetFrailty in Older AdultsTravaux en français237 207