Abstract No.: ABS3618: Implication Of Pre Operative Frailty In Risk Assessment Of Post Operative DeliriumIn Elderly Indian Patients Undergoing Non-Cardiac Surgery
Notice bibliographique
Résumé
JOURNAL/ijana/04.03/01762628-202203001-00020/inline-graphic1/v/2022-09-30T091728Z/r/image-tiff JOURNAL/ijana/04.03/01762628-202203001-00020/inline-graphic2/v/2022-09-30T091728Z/r/image-tiff Background & Aims: Frailty is defined as result of a progressive decline in homeostatic capacity and is a vicious cycle. Delirium is defined as acute in onset, inattention, with cognition dysfunction and behaviour abnormalities Methods: Consenting patients above 65 years of age, undergoing non cardiac surgery were enrolled. Frailty was assessed preoperatively with Modified Fried Criteria (MFC) and patients were divided into Frail (MFC<3/7) and Non frail category (MFC>3/7). Postoperatively patients were assessed for delirium by Confusion assessment method , Montreal Cognitive Assessment and 12 item Mini-Mental State Examination on Day 1, Day 3, and telephonically by T-MOCA at 1 and 3 months postoperative Results: 109 patients were enrolled. Post-operative delirium on Day 1 was seen in 9 (8.25%) patients and all patients belonged to frail category. Cognitive dysfunction assessed by MOCA and MMSE on Day1 was seen in 85.7%(81/98) and 63.3% (62/98) in frail elderly significantly higher than 45.5% (5/11), and 27.3% (3/11) in non-frail elderlies. significantly greater cognitive dysfunction was seen in frail patients at Day3, at one month and at three months (77.6% in frail versus 36.4% in non-frail) too. Conclusion: In our study we found that pre-operative Frail elderly patients had significantly increased post-operative cognitive dysfunction at day 1, 3 and 1st month and 3rd month after non-cardiac surgery. Incidence of postoperative delirium however was similar
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».