Physical Performance and Risk of Postoperative Delirium in Older Adults Undergoing Aortic Valve Replacement
Notice bibliographique
Résumé
Aarti Rao,1 Sandra M Shi,2,3 Jonathan Afilalo,4 Jeffrey J Popma,5 Kamal R Khabbaz,6 Roger J Laham,5 Kimberly Guibone,5 Edward R Marcantonio,2,7,* Dae Hyun Kim2,3,* 1Icahn School of Medicine at Mount Sinai, New York, NY, USA; 2Division of Gerontology, Department of Medicine, Beth Israel Deaconess Medical Center, Boston, MA, USA; 3Hinda and Arthur Marcus Institute for Aging Research, Hebrew SeniorLife, Boston, MA, USA; 4Division of Cardiology and Centre for Clinical Epidemiology, Jewish General Hospital, McGill University, Montreal, Quebec, Canada; 5Division of Cardiology, Department of Medicine, Beth Israel Deaconess Medical Center, Boston, MA, USA; 6Division of Cardiac Surgery, Department of Surgery, Beth Israel Deaconess Medical Center, Boston, MA, USA; 7Division of General Medicine, Department of Medicine, Beth Israel Deaconess Medical Center, Boston, MA, USA*These authors contributed equally to this workCorrespondence: Dae Hyun KimHinda and Arthur Marcus Institute for Aging Research, Hebrew SeniorLife, 1200 Centre Street, Boston, MA 02131, USATel +1 617-971-8320Fax +1 617-971-5339Email daehyunkim@hsl.harvard.eduBackground: Delirium is a major risk factor for poor recovery after surgical aortic valve replacement (SAVR) and transcatheter aortic valve replacement (TAVR). It is unclear whether preoperative physical performance tests improve delirium prediction.Objective: To examine whether physical performance tests can predict delirium after SAVR and TAVR, and adapt an existing delirium prediction rule for cardiac surgery, which includes Mini-Mental State Examination (MMSE), depression, prior stroke, and albumin level.Design: Prospective cohort, 2014– 2017.Setting: Single academic center.Subjects: A total of 187 patients undergoing SAVR (n=77) or TAVR (n=110).Methods: The Short Physical Performance Battery (SPPB) score was calculated based on gait speed, balance, and chair stands (range: 0– 12 points, lower scores indicate poor performance). Delirium was assessed using the Confusion Assessment Method. We fitted logistic regression to predict delirium using SPPB components and risk factors of delirium.Results: Delirium occurred in 35.8% (50.7% in SAVR and 25.5% in TAVR). The risk of delirium increased for lower SPPB scores: 10– 12 (28.2%), 7– 9 (34.5%), 4– 6 (37.5%) and 0– 3 (44.1%) (p-for-trend=0.001). A model that included gait speed < 0.46 meter/second (OR, 2.7; 95% CI, 1.2– 6.4), chair stands time ≥ 11.2 seconds (OR, 3.5; 95% CI, 1.0– 12.4), MMSE < 24 points (OR, 2.9; 95% CI, 1.3– 6.4), isolated SAVR (OR, 5.4; 95% CI, 2.1– 13.8), and SAVR and coronary artery bypass grafting (OR, 15.8; 95% CI, 5.5– 45.7) predicted delirium better than the existing prediction rule (C statistics: 0.71 vs 0.61; p=0.035).Conclusion: Assessing physical performance, in addition to cognitive function, can help identify high-risk patients for delirium after SAVR and TAVR.Keywords: delirium, physical performance, aortic valve replacement, prediction
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».