A Novel Preoperative Electroencephalogram-Derived Index to Predict Early Postoperative Delirium in Elderly Patients After Hip Fracture Surgeries: Development of a Prediction Model
Notice bibliographique
Résumé
Introduction It is appealing to accurately predict postoperative delirium (POD) before surgeries. In this study, it was hypothesized that a novel electroencephalogram-derived index, the delirium index (DELi), could extract latent information regarding the predisposing factors of POD preoperatively. This study was aimed at developing a concise model that incorporated this DELi score to predict the early POD of elderly patients after hip surgeries. Materials and Methods Elderly patients scheduled for elective hip fracture surgeries were prospectively enrolled in a tertiary care hospital from November 2020 to June 2022. DELi scores and patient characteristics (age, sex, types of fracture and surgery, the time interval between fracture and surgery, cognitive function assessed using the Montreal Cognitive Assessment (MoCA), and frailty status assessed using the FRAIL scale) were collected preoperatively as candidate predictors. POD diagnosed using the confusion assessment method (CAM) was the outcome. Least absolute shrinkage and selection operator (LASSO) regression analysis was used to select predictors. Then, these predictors were entered into a backward logistical regression analysis to develop a prediction model. Discrimination, calibration and clinical utility were validated using the bootstrapping method. Results All data (144 qualified patients of 170) were used for development. POD was observed in 71 patients (49.3%). Preoperative DELi scores predicted early POD (the area under the curve (AUC) = .786, 95% confidence interval (CI): .712, .860, in internal validation). A nomogram with MoCA, FRAIL scale and DELi score was constructed with excellent discrimination (AUC = .920, 95% CI: .876, .963, in internal validation), accredited calibration ( P = .733, Hosmer‒Lemeshow test), and a wide range of threshold probabilities (5% to 95%). Conclusions Preoperative DELi scores predicted the early POD of elderly patients after hip surgeries. A concise prediction model was developed and demonstrated excellent discrimination.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».