Prevalence and risk factors of subsyndromal delirium among postoperative patients: A systematic review and meta‐analysis
Notice bibliographique
Résumé
AIM: The aim of this study is to determine the prevalence and risk factors for subsyndromal delirium in the postoperative patient. DESIGN: A systematic review and meta-analysis. METHODS: The Review Manager 5.3 statistics platform and the Newcastle-Ottawa Scale were used for quality evaluation. DATA SOURCES: The following databases were searched: PubMed, Web of Science, EMBASE, The Cochrane Library, Scopus and EBSCO from January 2000 to December 2021. Additional sources were found by looking at relevant articles' citations. RESULTS: A total of 1744 titles were originally identified, and five studies including 962 patients were included in the systematic review, with a pooled prevalence of postoperative subsyndromal delirium (PSSD) of 30% (95% CI: 0.28-0.32). Significant risk variables for PSSD were older age, low levels of education (≤9 years), cognitive impairment, higher comorbidity score, and the duration of operation. CONCLUSION: PSSD is prevalent and is associated with a variety of risk factors as well as low academic performance. IMPACT: Identification and clinical management of patients with PSSD should be improved. Future research on PSSD risk factors should look at a wider range of intraoperative and postoperative risk factors that can be changed. PATIENT AND PUBLIC CONTRIBUTION: No Patient or Public Contribution.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,031 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».