MétaCan
Menu
Retour à la cohorte
Enregistrement W4394603223 · doi:10.3390/curroncol31040162

Prehabilitation in Adults Undergoing Cancer Surgery: A Comprehensive Review on Rationale, Methodology, and Measures of Effectiveness

2024· review· en· W4394603223 sur OpenAlexvenueno aff
Carlos E. Guerra‐Londono, Juan P. Cata, Katherine Nowak, Vijaya Gottumukkala

Notice bibliographique

RevueCurrent Oncology · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrehabilitationMedicineCancerSurgeryBioinformaticsPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cancer surgery places a significant burden on a patients' functional status and quality of life. In addition, cancer surgery is fraught with postoperative complications, themselves influenced by a patient's functional status. Prehabilitation is a unimodal or multimodal strategy that aims to increase a patient's functional capacity to reduce postoperative complications and improve postoperative recovery and quality of life. In most cases, it involves exercise, nutrition, and anxiety-reducing interventions. The impact of prehabilitation has been explored in several types of cancer surgery, most commonly colorectal and thoracic. Overall, the existing evidence suggests prehabilitation improves physiological outcomes (e.g., lean body mass, maximal oxygen consumption) as well as clinical outcomes (e.g., postoperative complications, quality of life). Notably, the benefit of prehabilitation is additional to that of enhanced recovery after surgery (ERAS) programs. While safe, prehabilitation programs require multidisciplinary coordination preoperatively. Despite the existence of numerous systematic reviews and meta-analyses, the certainty of evidence demonstrating the efficacy and safety of prehabilitation is low to moderate, principally due to significant methodological heterogeneity and small sample sizes. There is a need for more large-scale multicenter randomized controlled trials to draw strong clinical recommendations.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,000
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 Opus0,645
Tête enseignante GPT0,599
Écart entre enseignants0,047 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations32
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetNutrition and Health in AgingTravaux en français237 207