Risk factors for delayed neurocognitive recovery in elderly patients undergoing thoracic surgery
Notice bibliographique
Résumé
BACKGROUND: To investigate the risk factors for delayed neurocognitive recovery in elderly patients undergoing thoracic surgery. METHODS: A total of 215 elderly patients who underwent thoracic surgery between May 2022 and October 2022 were recruited in this prospective observational study. Cognitive function was tested by MoCA tests that were performed by the same trained physician before surgery, on postoperative day 4 (POD4), and on postoperative day 30 (POD30). Univariate and multivariate logistic regression models were used to analyze the risk factors for DNR. RESULTS: A total of 154 patients (55.8% men) with an average age of 67.99 ± 3.88 years were finally included. Patients had an average preoperative MoCA score of 24.68 ± 2.75. On the 30th day after surgery, 26 (16.88%) patients had delayed postoperative cognitive recovery, and 128 (83.12%) had postoperative cognitive function recovery. Diabetes mellitus (OR = 6.508 [2.049-20.664], P = 0.001), perioperative inadvertent hypothermia (< 35℃) (OR = 5.688 [1.693-19.109], P = 0.005), history of cerebrovascular events (OR = 10.211 [2.842-36.688], P < 0.001), and VICA (sevoflurane combined with propofol anesthesia) (OR = 5.306 [1.272-22.138], P = 0.022) resulted as independent risk factors of delayed neurocognitive recovery. On the POD4, DNR was found in 61 cases (39.6%), and age ≥ 70 years (OR = 2.311 [1.096-4.876], P = 0.028) and preoperative NLR ≥ 2.5 (OR = 0.428 [0.188-0.975], P = 0.043) were identified as independent risk factors. CONCLUSIONS: The risk factors for delayed neurocognitive recovery in elderly patients undergoing thoracic surgery include diabetes, perioperative inadvertent hypothermia (< 35℃), VICA (sevoflurane combined with propofol anesthesia), and history of cerebrovascular events.
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 | 0,000 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».