Exploring the intersection of cancer, sepsis, and frailty: a scoping review
Notice bibliographique
Résumé
To explore the intersection of cancer, sepsis, and frailty, and consider potentials for rehabilitation interventions to manage these conditions. We conducted a scoping review guided by the Joanna Briggs Institute’s framework. We searched seven databases for studies that included: (1) adults > 18 years of age; (2) with a current or past diagnosis of cancer; (3) a current or past diagnosis of sepsis; (4) explicitly identified frailty as an inclusion criterion; (5) explored the intersection of these condition; and (6) were published in English. We screened titles/abstracts, reviewed full texts, and performed data extraction in duplicate. A qualitative synthesis summarized findings related to the "population, context, concept” framework. Of 2083 citations, we included 18 studies, which included 3,206,672 participants. Most (61%) were retrospective cohort studies of acute hospital datasets collected in the United States. Fourteen (78%) of the studies explicitly defined frailty, however there was inconsistency in frailty measurement, with 12 unique tools described. Only two studies (11%) provided criteria for diagnosing sepsis. Of 17 studies exploring the effect of frailty on risk of sepsis in those with cancer, 10 (59%) found a statistically significant association between increased frailty and number of poor outcomes. It appears frailty is associated with an increased risk of sepsis in those with cancer. Sepsis is not well reported on in the literature and future research standardizing measures of frailty would help further evaluating the association of these conditions. It remains uncertain whether rehabilitation strategies could maximize function in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 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 ».