Impact of Physical and Cognitive Frailty on Long-Term Mortality in Older Patients undergoing Elective Non-cardiac Surgery
Notice bibliographique
Résumé
BACKGROUND: Older adults undergoing surgery frequently have multiple comorbidities and reduced physical and cognitive reserves. This study aims to assess the effect of physical and cognitive frailty on long-term mortality in older patients undergoing elective non-cardiac surgery in a tertiary center. METHODS: Patients aged ≥65 years old admitted to surgical wards at the University of Malaya Medical Centre were recruited. Physical frailty and cognitive status were assessed using the Fried Frailty Index (FFI) and the Montreal Cognitive Assessment, respectively. Patients were stratified into six groups based on their frailty and cognitive status: Group 1, normal cognition and non-frail (reference group); Group 2, normal cognition and frail; Group 3, mild cognitive impairment (MCI) and non-frail; Group 4, MCI and frail; Group 5, dementia and non-frail; and Group 6, dementia and frail. RESULTS: A total of 406 patients with a mean FFI score of 1.1±1.2 were recruited. Predictors of mortality include male sex (hazard ratio [HR]=1.96; 95% confidence interval [CI], 1.14-3.37; p=0.015), presence of active malignancy (HR=3.86; 95% CI, 2.14-6.95; p<0.001), and high FFI scores (1.8±1.2 vs. 1.0±1.1; p=0.013). Compared to Group 1, long-term mortality risk was significantly increased in Group 4 (HR=3.17; 95% CI, 1.36-7.38) and Group 6 (HR=3.91; 95% CI, 1.62-9.43) patients. CONCLUSION: The combination of physical frailty and cognitive impairment was associated with long-term mortality risk among older patients who underwent elective non-cardiac surgery. This highlights the importance of assessing physical frailty and cognitive function of all older surgical patients to guide targeted intervention, especially for those with impairments which may be potentially reversible.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| 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 ».