Impact of fever on outcome in patients with stroke and neurological injury. Stroke 39
Notice bibliographique
Résumé
Background and Purpose—Many studies associate fever with poor outcome in patients with neurological injury, but this relationship is blurred by divergence in populations and outcome measures. We sought to incorporate all recent scholarship addressing fever in brain-injured patients into a comprehensive meta-analysis to evaluate disparate clinical findings. Methods—We conducted a Medline search for articles since January 1, 1995 (in English with abstracts, in humans) and hand searches of references in bibliographies and review articles. Search terms covered stroke, neurological injury, thermoregulation, fever, and cooling. A total of 1139 citations were identified; we retained 39 studies with 67 tested hypotheses contrasting outcomes of fever/higher body temperature and normothermia/lower body temperature in patients with neurological injury covering 14 431 subjects. A separate meta-analysis was performed for each of 7 outcome measures. Significance was evaluated with Zc developed from probability values or t values. Correlational effect size, r(es), was calculated for each study and used to derive Cohen’s d unbiased combined effect size and relative risk. Results—Fever or higher body temperature was significantly associated with worse outcome in every measure studied. Relative risk of worse outcome with fever was: mortality, 1.5; Glasgow Outcome Scale, 1.3; Barthel Index, 1.9; modified Rankin Scale, 2.2; Canadian Stroke Scale, 1.4; intensive care length of stay, 2.8; and hospital length of
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 | 0,000 |
| 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 | 0,000 |
| 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 ».