A Systematic Review and Meta‐Analysis of the Role of Peripheral Inflammation in Delirium
Notice bibliographique
Résumé
INTRODUCTION: The pathophysiology of delirium is poorly understood, but the importance of inflammation is widely accepted. The objective was to investigate whether changes in the peripheral immune system have been associated with the development of delirium in hospitalized adults. METHODS: Embase and MEDLINE databases were searched. Risk of bias was assessed using the Newcastle-Ottawa Scale. Eligible studies were split into three groups: Peripheral immune response was measured (1) preceding delirium, (2) during delirium, and (3) in both incident and prevalent delirium. Quantitative data was extracted and included in the meta-analysis; otherwise, studies were included in the qualitative analysis. (Prospero 102931) RESULTS: 149 records were included in the qualitative synthesis and 92 in the meta-analysis. Measured preceding delirium, there was the strongest evidence for higher neutrophil-to-lymphocyte ratio (NLR) (mean difference (MD) 1.00, 95% Confidence Interval (CI) 0.53, 1.48, p < 0.00001) in those that developed delirium compared to those that did not. During delirium there was strongest evidence for higher interleukin-6 (IL-6) (MD 21.29, 95% CI 11.78, 30.80, p < 0.00001), cortisol (MD 159.6, 95% CI 120.52, 198.68, p < 0.00001), and leukocyte count (MD 0.79, 95% CI 0.51-1.07, p < 0.000001) in delirium compared to no delirium. DISCUSSION: These results support a role for peripheral immune response and inflammation in delirium. However, the heterogeneity of the condition was reflected in the meta-analysis, and we should be cautious extrapolating these results to specific populations. Many studies measured the same soluble markers of inflammation, and a new era of delirium research is needed that transcends this to better understand the condition and develop future treatments.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,000 |
| 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 ».