Long term cognitive dysfunction among critical care survivors: associated factors and quality of life—a multicenter cohort study
Notice bibliographique
Résumé
OBJECTIVES: To identify the prevalence and associated factors of cognitive dysfunction, 1 year after ICU discharge, among adult patients, and it´s relation with quality of life. METHODS: Multicenter, prospective cohort study including ICUs of 10 tertiary hospitals in Brazil, between May 2014 and December 2018. The patients included were 452 adult ICU survivors (median age 60; 47.6% women) with an ICU stay greater than 72 h. RESULTS: At 12 months after ICU discharge, a Montreal Cognitive Assessment (tMOCA) telephone score of less than 12 was defined as cognitive dysfunction. At 12 months, of the 452 ICU survivors who completed the cognitive evaluation 216 (47.8%) had cognitive dysfunction. In multivariable analyses, the factors associated with long-term (1-year) cognitive dysfunction were older age (Prevalence Ratio-PR = 1.44, P < 0.001), absence of higher education (PR = 2.81, P = 0.005), higher comorbidities on admission (PR = 1.089; P = 0.004) and delirium (PR = 1.13, P < 0.001). Health-related Quality of life (HRQoL), assessed by the mental and physical dimensions of the SF-12v2, was significantly better in patients without cognitive dysfunction (Mental SF-12v2 Mean difference = 2.54; CI 95%, - 4.80/- 0.28; p = 0.028 and Physical SF-12v2 Mean difference = - 2.85; CI 95%, - 5.20/- 0.50; P = 0.018). CONCLUSIONS: Delirium was found to be the main modifiable predictor of long-term cognitive dysfunction in ICU survivors. Higher education consistently reduced the probability of having long-term cognitive dysfunction. Cognitive dysfunction significantly influenced patients' quality of life, leading us to emphasize the importance of cognitive reserve for long-term prognosis after ICU discharge.
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 | 0,000 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».