MétaCan
Menu
Retour à la cohorte
Enregistrement W4408662755 · doi:10.4097/kja.25073

Revisiting anesthesia-induced preconditioning for neuroprotection in the aging brain: a narrative review

2025· review· en· W4408662755 sur OpenAlexaff
Woosuk Chung, Beverley A. Orser

Notice bibliographique

RevueKorean journal of anesthesiology · 2025
Typereview
Langueen
DomaineNeuroscience
ThématiqueAnesthesia and Neurotoxicity Research
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Health and Welfare
Mots-clésMedicineNeuroprotectionAnesthesiaNarrative reviewIntensive care medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

The growing number of older adults undergoing surgery necessitates that we address the adverse effects of overt and covert perioperative stroke. Preclinical studies have suggested that anesthesia-induced preconditioning may provide neuroprotection by preserving mitochondrial function, activating cytosolic signaling pathways, and reducing neuroinflammation. However, these promising findings from animal studies have not yet translated into improved clinical outcomes. The discordance between preclinical and clinical outcomes may be due to age-related mitochondrial dysfunction and other comorbidities in older human populations, which reduce the effectiveness of anesthetic preconditioning. Mitochondria, which are central to the effectiveness of preconditioning, may be therapeutic targets to restore the neuroprotective effects of anesthetic preconditioning in the aging brain. Emerging evidence suggests that physical prehabilitation, a key component of Enhanced Recovery After Surgery programs, may influence mitochondrial function and could thus, restore anesthesia-induced preconditioning. Although further research is needed to determine the impact of physical prehabilitation on mitochondrial function and anesthetic preconditioning, incorporating physical prehabilitation into perioperative care might enhance neurological outcomes for older patients undergoing surgery.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,398
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKorean journal of anesthesiologyMême sujetAnesthesia and Neurotoxicity ResearchTravaux en français237 207