Prevalence of postoperative neurocognitive disorders in older non‐cardiac surgical patients: a systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: The growing number of older persons undergoing surgery are at a higher risk of neurocognitive disorder due to multimorbidity and age-related changes. The prevalence of postoperative neurocognitive disorder in this population requires further investigation. This systematic review and meta-analysis aims to estimate the pooled prevalence of perioperative neurocognitive disorder in older non-cardiac surgical patients. METHOD: A comprehensive search of multiple databases was conducted from inception to January 24, 2024. This review included studies of non-cardiac surgical inpatients aged ≥60 years old who underwent perioperative cognitive assessments. The primary outcome was the prevalence of postoperative neurocognitive disorder or cognitive dysfunction (POCD). Data were analyzed using a random-effects model to calculate pooled prevalence rates. Quality assessment employed the Newcastle-Ottawa Scale and MOOSE guidelines. Meta-regression was performed with Open Meta Analyst and RStudio 4.3.3. RESULT: Thirty-nine studies (n = 12,921) were included with mean age of 70.0 ± 8.9 years and 44.3% women. The overall prevalence of POCD was 23% (95% CI: 20%, 27%) at day 7, 16% (95% CI: 7%, 25%) at 1 month, 10% (95% CI: 8%, 13%) at 3 months and 3% (95% CI: 2%, 4%) at 1 year (Figure 1). Our meta-regression showed a higher prevalence of POCD in abdominal surgery at day 7 (β = 0.13, 95% CI: 0.03-0.22, p = 0.01) and 3 months (β = 0.49, 95% CI: 0.40-0.58, p < 0.001), versus orthopedic surgeries. CONCLUSION: The overall prevalence of POCD in older non-cardiac surgical populations was 23%, 16%, 10%, and 3% at day 7, 1 month, 3 months, and 1 year, respectively. Abdominal surgery had a higher prevalence of POCD than orthopedic surgery. The significant risk of POCD calls for cognitive screening, risk mitigation and intervention to provide better perioperative care and improve surgical 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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».