Point-of-care electroencephalography for prediction of postoperative delirium in older adults undergoing elective surgery: protocol for a prospective cohort study
Notice bibliographique
Résumé
Postoperative delirium (POD) is a complication of surgery in older adults associated with adverse outcomes. Current screening methods demonstrate poor interrater reliability, and conventional electroencephalography (EEG)-based screening requires intensive setup. Point-of-care (POC) EEG technology offers a rapid and objective alternative that may capture neurophysiological signatures of delirium risk. When combined with baseline and perioperative variables, POC EEG may enable the prediction of POD before clinical manifestation. In this study, we aim to develop a POD prediction model using POC EEG as well as explore secondary outcomes such as longer-term cognitive impairment and postoperative pain. This is a prospective cohort study enrolling older adults (≥60 years) undergoing elective non-cranial inpatient surgery at two academic hospitals. The target cohort size is 150 participants, determined by an events-per-parameter approach. All participants undergo baseline cognitive testing and pain assessment using the Montreal Cognitive Assessment (MoCA) and Numeric Rating Scale. The primary outcome is POD, while secondary outcomes include follow-up MoCA scores and postoperative pain scores. POD is assessed immediately after surgery and every 12 h during the admission with the 4AT tool. Perioperative EEG is acquired using the Ceribell EEG system (Ceribell, Inc.) across standardized preoperative, intraoperative, and postoperative phases. EEG features such as spectral power, alpha/delta ratio, and burst suppression ratio are analyzed in relation to outcomes. Predictive models will be developed using regularized logistic regression with nested feature sets, and model performance will be evaluated. This study evaluates whether POC EEG can accurately predict POD in older adults undergoing elective surgery, as well as longer-term cognitive impairment and postoperative pain. This approach could enable early identification of high-risk patients and facilitate targeted preventive strategies. By generating a validated risk model, multimodal exploratory analyses, and openly available datasets, this work aims to advance the practical management of perioperative outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».