MétaCan
Menu
Retour à la cohorte
Enregistrement W4392058432 · doi:10.1186/s13019-024-02568-3

Risk factors for postoperative delirium in elderly patients undergoing heart valve surgery with cardiopulmonary bypass

2024· article· en· W4392058432 sur OpenAlexaboutno aff
Na Chen, Yunchang Mo, Min Xu, Sisi Chen, Wei Gao, Qiong Zheng, Jue Wang, Xiao-chu Wang, Junlu Wang

Notice bibliographique

RevueJournal of Cardiothoracic Surgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensnon disponible
Organismes subventionnairesWenzhou Municipal Science and Technology Bureau
Mots-clésMedicineCardiac surgeryIntensive care unitDeliriumCardiopulmonary bypassCardiothoracic surgeryMechanical ventilationAnesthesiaSurgeryInternal medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background The aim of this study was to identify the risk factors for postoperative delirium (POD) in elderly patients undergoing heart valve surgery with cardiopulmonary bypass (CPB). Methods Elderly patients undergoing elective heart valve surgery with CPB in The First Affiliated Hospital of Wenzhou Medical University between March 2022 and March 2023 were selected for this investigation. They were divided into a POD group and a non-POD group. Their baseline information was collected and recorded, and the patients were subjected to neurocognitive function assessment using the Mini-Mental State Examination and the Montreal Cognitive Assessment scales before surgery. We also recorded their intraoperative indicators such as duration of surgery, duration of CPB, duration of aortic cross-clamp, blood transfusion, and postoperative indicators such as duration of mechanical ventilation, postoperative 24-hour drainage volume, and pain score. Regional cerebral oxygen saturation was monitored intraoperatively by near-infrared spectroscopy based INVOS5100C Regional Oximeter. Patients were assessed for the occurrence of POD using Confusion Assessment Method for the Intensive Care Unit, and logistic regression analysis of risk factors for POD was performed. Results The study finally included 132 patients, with 47 patients in the POD group and 85 ones in the non-POD group. There were no significant differences in baseline information and preoperative indicators between the two groups. However, marked differences were identified in duration of surgery, duration of CPB, duration of aortic cross-clamp, duration of postoperative mechanical ventilation, postoperative length of stay in cardiac intensive care unit, postoperative length of hospital stay, intraoperative blood transfusion, postoperative pain score, and postoperative 24-hour drainage volume between the two groups ( p < 0.05). Additionally, the two groups had significant differences in rScO 2 at each intraoperative time point and in the difference of rScO 2 from baseline at each intraoperative time point ( p < 0.05). Multivariate logistic regression analysis showed that duration of surgery > 285 min (OR, 1.021 [95% CI, 1.008–1.035]; p = 0.002), duration of postoperative mechanical ventilation > 23.5 h (OR, 6.210 [95% CI, 1.619–23.815]; p = 0.008), and postoperative CCU stay > 3.5 d (OR, 3.927 [95% CI, 1.046–14.735]; p = 0.043) were independent risk factors of the occurrence of POD while change of rScO 2 at T 1 >50.5 (OR, 0.832 [95% CI 0.736–0.941]; p = 0.003) was a protective factor for POD. Conclusion Duration of surgery duration of postoperative mechanical ventilation and postoperative CCU stay are risk factors for POD while change of rScO 2 at T 1 is a protective factor for POD in elderly patients undergoing heart valve surgery with CPB.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,287
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cardiothoracic SurgeryMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207