Provider Perceptions Regarding Cardiopulmonary Resuscitation in Surgical Patients With Frailty
Notice bibliographique
Résumé
OBJECTIVE: To characterize the perceptions of surgeons, anesthesiologists, and geriatricians regarding perioperative cardiopulmonary resuscitation (CPR) in surgical patients with frailty. BACKGROUND: The population of patients undergoing surgery is growing older and more frail. Despite a growing focus on goal-concordant care, frailty assessment, and debate regarding the appropriateness of CPR in patients with frailty, providers' views regarding frailty and perioperative CPR are unknown. METHODS: We performed qualitative thematic analysis of transcripts from semistructured interviews of anesthesiologists (8), surgeons (10), and geriatricians (9) who care for high-risk surgical patients at 2 academic medical centers in Boston, MA. The interview guide elicited clinicians' understanding of frailty, approach to decision-making regarding perioperative CPR, and perceptions of perioperative CPR in frail surgical patients. RESULTS: We identified 5 themes: (1) perceptions of perioperative CPR in patients with frailty vary by provider specialty, (2) judgments regarding the appropriateness of CPR in surgical patients with frailty are typically multifactorial and include patient goals, age, comorbidities, and arrest etiology, (3) resuscitation in patients with frailty is sometimes associated with moral distress, (4) biases, such as ableism and ageism, may skew clinicians' perceptions of the appropriateness of perioperative CPR in patients with frailty, and (5) evidence to guide risk stratification for patients with frailty undergoing perioperative CPR is inadequate. CONCLUSIONS: Anesthesiologists, surgeons, and geriatricians offer different accounts of frailty's relevance to judgments regarding CPR in surgical patients. Divergent views regarding frailty and perioperative CPR may impede efforts to deliver goal-concordant care and suggest a need for research to inform risk stratification, predict patient-centered outcomes, and understand the role of potential biases, such as ageism and ableism.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».