Assessment of Cognitive Dysfunction and Quality of Recovery after General Anesthesia in Perimenopausal Women
Notice bibliographique
Résumé
Background: Perimenopausal women often experience neurocognitive fluctuations due to hormonal changes, which may predispose them to cognitive dysfunction following general anesthesia. The perioperative period presents a unique vulnerability to such patients, yet limited data exist on their cognitive outcomes and overall recovery quality. Methods: This prospective observational study included 120 perimenopausal women (age 45–55 years) scheduled for elective surgery under general anesthesia. Cognitive function was assessed using the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA) preoperatively, on postoperative day 1 and day 7. Quality of recovery was evaluated using the QoR-15 scale. Descriptive and inferential statistics were applied, including paired t -tests and ANOVA. Results: On postoperative day 1, the mean MMSE score decreased significantly from 28.7 ± 1.1 to 26.3 ± 1.6 ( P < 0.001), while the MoCA score dropped from 25.2 ± 1.5 to 22.0 ± 2.0 ( P < 0.001). Both scores showed improvement by day 7 (MMSE: 27.9 ± 1.3, MoCA: 24.1 ± 1.7) but remained below baseline ( P < 0.05). The mean QoR-15 score was 112.4 ± 9.8 on day 1, significantly lower than the preoperative value of 131.6 ± 6.5 ( P < 0.001), with partial recovery noted on day 7 (124.9 ± 8.2). Conclusion: Perimenopausal women exhibit significant early postoperative cognitive dysfunction and impaired quality of recovery after general anesthesia. Though partial cognitive and functional recovery occurs within a week, baseline levels are not fully restored.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».