The relationship between fragility scores and intraoperative body temperature changes in geriatric patients: Prospective observational research
Notice bibliographique
Résumé
Today, to evaluate morbidity and mortality in elderly surgical patients, fragility scores, which reflect the patient's current condition rather than increasing age, are used as a basis. Our research examines the association between fragility groups, body temperature changes, and inadvertent perioperative hypothermia (IPH) in major orthopedic surgery patients. Patients over the age of 65 who underwent major orthopedic surgery were evaluated. Body temperature measurements were taken tympanically preoperatively and every 5 minutes during surgery. Temperature changes (Δn) were calculated. Patients whose body temperature was below 36 °C were recorded as IPH. The Canadian Study of Health and Aging-Clinical Frailty Scale scoring system, consisting of 9 categories, was used for fragility scores. As the category number increases, the level of fragility increases. These categories are classified into 3 subgroups: Group F1 (Level 1-3), Group F2 (Level 4-7), and Group F3 (Level 8-9). Age groups: it is defined as Group A1 (66-74 years), Group A2 (75-84 years), and Group A3 (85<). The median (min-max) of surgery time was determined as 75 (35-131). For Δ35 (ºC), the differences between both fragility groups (P = .054) and the age groups (P = .145) were not significant. IPH frequency is 44.0% (n = 149). No difference was detected between hypothermia frequencies in the fragility groups (P = .546) and the age groups (P = .065). Nearly half of major surgery patients developed IPH. We did not find a relationship between both fragility groups and age groups and the frequency of IPH.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».