Incidence and risk factors for postoperative delirium after head and neck cancer surgery: an updated meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Postoperative delirium (POD) is a frequent neurologic dysfunction that often leads to more negative outcomes. Early identification of patients who are vulnerable to POD and early implementation of appropriate management strategies could decrease its occurrence and improve patient prognosis. Therefore, this meta-analysis comprehensively and quantitatively summarized the prevalence and related predictive factors of POD in head and neck cancer surgical patients. METHODS: PubMed, Embase, and Cochrane Library were searched for observational studies that reported the prevalence and risk factors for POD after head and neck cancer surgery and were published from their inception until December 31, 2022. Two reviewers independently selected qualified articles and extracted data. The qualities of related papers were assessed using the Newcastle-Ottawa scale (NOS). RevMan 5.3 and Stata 15.0 were applied to analysis the data and conduct the meta-analysis. RESULTS: = 93.2%). The results of this pooled analysis demonstrated that the statistically significant risk factors for POD were increased age (OR: 1.05, 95% CI: 1.03-1.07, P < 0.001), age > 75 years (OR: 6.52, 95% CI: 3.07-13.87, P < 0.001), male sex (OR: 2.29, 95% CI: 1.06-4.97, P = 0.04), higher American Society of Anesthesiologists grade (OR: 2.19, 95% CI: 1.44-3.33, P < 0.001), diabetes mellitus (OR: 2.73, 95% CI: 1.24-6.01, P = 0.01), and history of smoking (OR: 2.74, 95% CI: 1.13-6.65, P = 0.03). CONCLUSIONS: POD frequently occurs after head and neck cancer surgery. Several independent predictors for POD were identified, which might contribute to identifying patients at high risk for POD and play a prominent role in preventing POD in patients following head and neck cancer surgery.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| 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 | 0,001 |
| 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 ».