A systematic review of predictive accuracy via c-statistic of preoperative frailty tests for extended length of stay, post-operative complications, and mortality
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
Frailty, as an age-related syndrome of reduced physiological reserve, contributes significantly to post-operative outcomes. With the aging population, frailty poses a significant threat to patients and health systems. Since 2012, preoperative frailty assessment has been recommended, yet its implementation has been inhibited by the vast number of frailty tests and lack of consensus. Since the anesthesiologist is the best placed for perioperative care, an anesthesia-tailored preoperative frailty test must be simple, quick, universally applicable to all surgeries, accurate, and ideally available in an app or online form. This systematic review attempted to rank frailty tests by predictive accuracy using the c-statistic in the outcomes of extended length of stay, 3-month post-operative complications, and 3-month mortality, as well as feasibility outcomes including time to completion, equipment and training requirements, cost, and database compatibility. Presenting findings of all frailty tests as a future reference for anesthesiologists, Clinical Frailty Scale was found to have the best combination of accuracy and feasibility for mortality with speed of completion and phone app availability; Edmonton Frailty Scale had the best accuracy for post-operative complications with opportunity for self-reporting. Finally, extended length of stay had too little data for recommendation of a frailty test. This review also demonstrated the need for changing research emphasis from odds ratios to metrics that measure the accuracy of a test itself, such as the c-statistic.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle