MétaCan
Menu
Retour à la cohorte
Enregistrement W4416407551 · doi:10.1177/13591053251392560

Patient and surgery-related correlates of preoperative psychological distress

2025· article· en· W4416407551 sur OpenAlexafffund
Jordana L. Sommer, Karen Mac Donald, Jitender Sareen, Corey S. Mackenzie, P. J. Devereaux, Sadeesh Srinathan, Renée El‐Gabalawy

Notice bibliographique

RevueJournal of Health Psychology · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMusic Therapy and Health
Établissements canadiensCancerCare ManitobaMcMaster UniversityUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésPerioperativeDistressOrthopedic surgeryPsychological distressPreoperative careElective surgeryAnxietyMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

Elevated preoperative distress is associated with adverse perioperative outcomes. This study examined how (1) patient, surgical, and anesthetic-related factors, and (2) physiological indicators of cardiovascular risk are associated with preoperative distress within a mixed non-cardiac surgery cross-sectional sample. We analyzed data from the VISION cohort–Mental Health Supplement ( N = 997). The Kessler-6 item Psychological Distress scale assessed preoperative distress, and medical personnel assessed patient physiological and surgical factors. Independent samples t -tests and ANOVAs examined differences in distress across patient, surgical, and anesthetic factors. Bivariate correlations examined relationships between distress and physiological variables. Multivariable linear regressions examined associations between distress and (1) sample and surgery characteristics, and (2) physiological variables. After adjustments, female sex ( b = 0.53), Indigenous ethnicity ( b = 0.92), higher BMI ( b = 0.03), orthopedic surgery ( b = 2.25), and preoperative troponin ( b = 1.46) were associated with elevated preoperative distress. Preoperative distress has associations with various perioperative factors and enhanced understanding may contribute to risk mitigation.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,430
Écart entre enseignants0,380 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health PsychologyMême sujetMusic Therapy and HealthTravaux en français237 207