AFR jako wskaźnik majaczenia pooperacyjnego – nowe odkrycia w geriatrii

Co stoi za pooperacyjnym majaczeniem i dlaczego AFR jest ważny?

Pooperacyjne majaczenie (POD) stanowi trudne wyzwanie kliniczne, występujące głównie u starszych pacjentów po zabiegach chirurgicznych. Do dziś nie istnieje skuteczne leczenie farmakologiczne majaczenia, a głównym podejściem pozostają interwencje niefarmakologiczne. POD charakteryzuje się ostrymi epizodami fluktuacji zaburzeń poznawczych, zaburzeniami uwagi i dezorientacją. Częstość występowania POD waha się znacznie – od 2,5% do 70% w zależności od rodzaju operacji. Na rozwój majaczenia wpływają różne czynniki, w tym zaawansowany wiek, deficyty poznawcze oraz przewlekłe choroby takie jak niewydolność serca, nowotwory i choroby naczyniowo-mózgowe. Innymi czynnikami przyczyniającymi się do rozwoju POD są depresja lub lęk, stan zapalny, historia udaru, zły stan odżywienia, zaburzenia równowagi płynów i elektrolitów oraz uzależnienie od leków lub alkoholu. Negatywne skutki POD obejmują dłuższy pobyt w szpitalu, zwiększone koszty opieki zdrowotnej, długoterminowe pogorszenie funkcji poznawczych i wyższą śmiertelność. Dodatkowo, POD często komplikuje proces pooperacyjny u starszych pacjentów, skutkując ogólnym obniżeniem jakości życia i większym uzależnieniem od usług medycznych.

Stosunek albuminy do fibrynogenu (AFR) wyłania się jako nowy biomarker prognostyczny związany z układem odpornościowym. Albumina, główne białko osocza, jest syntetyzowana i wydzielana przez wątrobę. Stanowi zwykle ponad 50% białka we krwi, a jej stężenie odzwierciedla stan odżywienia i ogólnoustrojowy stan zapalny. Z kolei fibrynogen, glikoproteina syntetyzowana przez komórki nabłonkowe wątroby, odgrywa kluczową rolę w regulacji krzepnięcia krwi. Jednocześnie, gdy organizm doświadcza stymulacji zapalnej, jego synteza znacznie się zwiększa. Zmiany w AFR mogą odzwierciedlać stan niedożywienia lub odpowiedź zapalną, które są również czynnikami ryzyka rozwoju POD. U osób starszych, które często cierpią z powodu niedoborów żywieniowych i przewlekłych stanów zapalnych, przedoperacyjna ocena AFR może dostarczyć cennych informacji na temat ryzyka rozwoju POD. Wcześniejsze badania wykazały znaczenie AFR w przewidywaniu wyników pacjentów, szczególnie w różnych nowotworach, takich jak niedrobnokomórkowy rak płuca, rak odbytnicy, rak żołądka, przewlekła białaczka limfocytowa i rak piersi. Ponadto, AFR został również zidentyfikowany jako niezależny predyktor POD po całkowitej artroplastyce stawu.

Jak zaprojektowano badanie i jakie metody zastosowano?

W niniejszym badaniu zbadano potencjał AFR jako markera predykcyjnego POD u starszych pacjentów. Poprzez utworzenie dużej kohorty obejmującej 53 609 pacjentów, badanie miało na celu ocenę skuteczności AFR w przewidywaniu ryzyka POD u pacjentów w wieku 65 lat i starszych, poddawanych operacjom innym niż kardiochirurgiczne lub neurochirurgiczne.

Badanie ma charakter retrospektywny i obserwacyjny. Zostało przeprowadzone zgodnie z Deklaracją Helsińską i zatwierdzone przez Komisję Etyczną Pierwszego Centrum Medycznego Szpitala Ogólnego Chińskiej Armii Ludowo-Wyzwoleńczej (nr S2019-311-03). Zgoda pacjentów nie była wymagana ze względu na retrospektywny charakter badania. W celu ochrony prywatności pacjentów nie wyodrębniono danych osobowych i wykorzystano jedynie anonimowe zapisy.

Do włączenia kwalifikowały się procedury nieneurochirurgiczne i niekardiologiczne przeprowadzone w znieczuleniu od stycznia 2014 do grudnia 2021 roku. Kryteria wykluczenia obejmowały: (1) endoskopię; (2) operacje w trybie nagłym; (3) status ASA V według Amerykańskiego Towarzystwa Anestezjologów; (4) brak danych o AFR.

Z dokumentacji szpitalnej zebrano podstawowe charakterystyki i informacje demograficzne pacjentów. Dodatkowo, zgromadzono dane okołooperacyjne związane z pooperacyjnym majaczeniem, aby umożliwić bardziej kompleksową i precyzyjną analizę. Zebrane dane obejmowały informacje demograficzne (wiek, płeć, wskaźnik masy ciała, historia palenia i picia alkoholu), dane kliniczne (status ASA, przedoperacyjne choroby współistniejące, w tym cukrzyca, nadciśnienie, choroby sercowo-naczyniowe i mózgowo-naczyniowe, przewlekła obturacyjna choroba płuc, lęk i depresja, przewlekła choroba nerek), przedoperacyjne leki (benzodiazepiny, opioidy, leki antycholinergiczne, leki przeciwpsychotyczne i niesteroidowe leki przeciwzapalne), wyniki badań laboratoryjnych (białe krwinki, hemoglobina, płytki krwi, glukoza, czas trombinowy, czas protrombinowy, kreatynina, fibrynogen, albumina, aminotransferaza asparaginianowa i aminotransferaza alaninowa) oraz szczegóły związane z operacją i leczeniem, obejmujące rodzaj zabiegu chirurgicznego, metodę znieczulenia, czas trwania operacji i znieczulenia. Zebrano również informacje dotyczące produkcji moczu, utraty krwi, objętości koloidów i krystaloidów, transfuzji krwi oraz leków śródoperacyjnych (takich jak leki antycholinergiczne, benzodiazepiny, leki przeciwpsychotyczne, opioidy i NLPZ). Dane obejmowały również czas trwania skurczowego ciśnienia krwi (SBP) powyżej 140 mmHg, średniego ciśnienia tętniczego (MAP) poniżej 60 mmHg i rozkurczowego ciśnienia krwi (DBP) powyżej 90 mmHg.

Pacjentów diagnozowano pod kątem pooperacyjnego majaczenia przy użyciu Chart-based Delirium Identification Instrument (CHART-DEL) w ciągu tygodnia od operacji. CHART-DEL to zwalidowana metoda, którą można wykorzystać do przeglądania kart (dokumentacji medycznej) w celu wykrycia majaczenia. Z badania wykluczono pacjentów, których przedoperacyjna dokumentacja medyczna wykazywała diagnozę majaczenia. Przeszkoleni neurolodzy przeglądali dokumentację medyczną pacjentów, którzy spełniali kryteria określone w Diagnostic and Statistical Manual of Mental Disorders, fourth edition (DSM-IV), aby postawić ostateczną diagnozę.

Optymalny próg dla AFR w przewidywaniu POD określono na 10,625 przy użyciu krzywej ROC (receiver operating characteristic). Następnie AFR podzielono na dwie kategorie przy użyciu określonego progu. Ponadto, AFR podzielono na cztery kategorie według kwartyli. Następnie zastosowano regresję logistyczną do zbadania związku między AFR a POD, traktując AFR jako zmienną ciągłą, binarną i czterokategorialną. Początkowo przeprowadzono nieskorygowaną jednozmienną analizę regresji logistycznej. Na podstawie tych rozważań skonstruowano model 1, dostosowując go do płci, wieku, BMI i statusu ASA. Model 2 obejmował dodatkowe zmienne, takie jak palenie tytoniu i spożywanie alkoholu, cukrzyca, nadciśnienie, choroby sercowo-naczyniowe, choroby naczyniowo-mózgowe, przewlekła choroba nerek, depresja, leki przedoperacyjne w tym antycholinergiczne, benzodiazepiny, przeciwpsychotyczne, opioidy i NLPZ, WBC, Hb, płytki krwi, Glu, TT, PT, Cre, AST. Aby jeszcze bardziej wzmocnić analizę, model 3 uwzględniał dane śródoperacyjne, obejmujące rodzaj i długość operacji i znieczulenia, wydalanie moczu, utratę krwi, objętości koloidów i krystaloidów, transfuzję krwi, stosowanie NLPZ, benzodiazepin i deksmedetomidyny, czas trwania MAP < 60 mmHg i SBP > 140 mmHg, zachowując jednocześnie zmienne z poprzednich modeli.

Aby zmniejszyć potencjalny wpływ czynników zakłócających, wykorzystano analizę propensity score (PS) i PSM do zbadania związku między AFR a POD. W tym badaniu zastosowano dopasowanie jeden do jednego przy użyciu algorytmu zachłannego, ustawiając maksymalny caliper na 0,1, aby sparować pacjentów z POD z tymi bez POD, którzy mieli podobny PS. Pacjenci bez odpowiedniego dopasowania w tym zakresie zostali wykluczeni z analizy. Aby zapewnić porównywalność dopasowanych pacjentów, użyto wykresów gęstości jądrowej do porównania rozkładu propensity scores przed i po dopasowaniu. Obliczono również standardized mean difference (SMD) dla każdej zmiennej bazowej między dwiema grupami, przy czym wartość < 0,1 uznano za nieistotną.

Aby zbadać potencjalne źródła czynników zakłócających we wpływie AFR na POD wśród różnych podgrup, analizę stratyfikowano na podstawie wieku, płci, statusu ASA, poziomu hemoglobiny, czasu trwania operacji i czasu trwania MAP < 60 mmHg. Wyniki analiz podgrup przedstawiono za pomocą wykresów leśnych, które zwięźle ilustrują predykcyjny wpływ AFR na POD w każdej podgrupie.

Jakie rezultaty przyniosła analiza AFR w kontekście POD?

W tym badaniu zmienne ciągłe przedstawiono jako średnią ± SD dla danych o rozkładzie normalnym oraz jako medianę z IQR dla danych o rozkładzie nienormalnym. Zmienne ciągłe analizowano za pomocą testu t lub testu U Manna-Whitneya. Zmienne kategoryczne raportowano jako liczby (odsetki) i analizowano za pomocą dokładnego testu Fishera lub testu χ2. Dwustronną wartość P wynoszącą 0,05 ustalono jako próg istotności statystycznej. Wszystkie analizy przeprowadzono przy użyciu oprogramowania R w wersji 4.1.3.

Przeprowadzono retrospektywną kohortę 57 597 pacjentów w wieku powyżej 65 lat, którzy przeszli operacje nieneurochirurgiczne i niekardiologiczne między styczniem 2014 a grudniem 2021 roku. Po zastosowaniu kryteriów wykluczenia analizie poddano ostateczną kohortę 53 609 pacjentów (Rys. 1). Kohorta miała medianę wieku 70 lat (IQR: 67-74 lata), przy czym 48,2% uczestników stanowiły kobiety. Częstość występowania POD wynosiła 2,9%.

Wykorzystując krzywą ROC, ustalono najlepszy próg dla przedoperacyjnego AFR do przewidywania POD u starszych pacjentów jako 10,625, z AUC wynoszącym 0,65 (0,63-0,66), pokazano na dodatkowym rysunku Fig. A1. Następnie podzielono pacjentów na dwie grupy na podstawie tego progu: AFR ≤ 10,625 (n = 16 797) i AFR > 10,625 (n = 36 812).

Wystąpiły statystycznie istotne różnice (P < 0,05) między dwiema grupami w charakterystyce wyjściowej, danych okołooperacyjnych, z wyjątkiem nadciśnienia, lęku, depresji, przedoperacyjnego stosowania NLPZ i czasu trwania DBP > 90 mmHg. W porównaniu z drugą grupą, grupa AFR ≤ 10,625 miała więcej kobiet, starszych osób, niższy BMI, wyższą częstość występowania historii palenia i większy odsetek osób niepijących. Grupa ta wykazywała również wyższą częstość występowania chorób współistniejących, w tym cukrzycy, chorób sercowo-naczyniowych i naczyniowo-mózgowych, przewlekłej choroby nerek i przewlekłej obturacyjnej choroby płuc. Dodatkowo, czas trwania znieczulenia i operacji był dłuższy w tej grupie (Tabela 1).

W analizie AFR jako zmiennej ciągłej, jednozmienna regresja logistyczna wykazała istotną korelację, z OR wynoszącym 0,86 (95% CI: 0,85-0,87, P < 0,001). Niższy AFR okazał się być powiązany z wyższym ryzykiem POD w wielowymiarowych modelach regresji logistycznej, ze skorygowanymi ilorazami szans wynoszącymi odpowiednio 0,90, 0,94 i 0,97 (P < 0,001, dodatkowa tabela A1).

Ponadto, zidentyfikowano optymalną wartość progową dla AFR na poziomie 10,625 i sklasyfikowano przypadki na dwie grupy na podstawie tego kryterium. W analizie jednozmiennej OR dla grupy z AFR ≤ 10,625 wynosił 2,65 (95% CI: 2,40-2,93, P < 0,001). Korelacja była konsekwentnie silna we wszystkich wielowymiarowych modelach regresji logistycznej, z OR wahającym się od 1,13 do 2,21 (P < 0,001, Tabela 2).

Następnie podzielono pacjentów na cztery grupy na podstawie kwartyli AFR: AFR ≤ 9,95, 9,95 < AFR ≤ 12,27, 12,27 < AFR ≤ 14,50 i AFR > 14,50. Analiza jednozmienna wykazała, że pacjenci w grupach AFR ≤ 9,95 i 9,95 < AFR ≤ 12,27 mieli znacząco wyższe ryzyko rozwoju POD w porównaniu do tych w grupie AFR > 14,50 (P < 0,001). Tendencja ta utrzymywała się nawet po przeprowadzeniu wielowymiarowej analizy regresji, potwierdzając, że niższy AFR jest konsekwentnym predyktorem zwiększonego ryzyka POD. Po dostosowaniu do różnych zmiennych, grupa AFR ≤ 9,95 nadal miała znacząco wyższe ryzyko POD w porównaniu do grupy AFR > 14,50 (OR = 1,27, P < 0,01) w Modelu 3 (dodatkowa tabela A2).

Dodatkowo, przeprowadzona dla AFR analiza decision curve analysis (DCA) wykazała, że uwzględnienie AFR może prowadzić do korzystnych korzyści netto dla pacjentów (Rys. 2A). Ponadto, krzywa kalibracji wykazała wiarygodną wydajność (Rys. 2B).

Aby kontrolować potencjalne zmienne zakłócające, zastosowano PSM w badaniu kohortowym, z proporcją 1:1 między grupą AFR > 10,625 a grupą AFR ≤ 10,625. Pomyślnie dopasowano 12 200 pacjentów w każdej grupie, uwzględniając 28 zmiennych, w tym płeć, wiek, BMI, historię palenia, przewlekłą chorobę nerek, przedoperacyjne stosowanie opioidów i leków psychotropowych, Hb, WBC, liczbę płytek krwi, Glu, TT, PT, AST, rodzaj i długość operacji i znieczulenia, status ASA, wydalanie moczu, utratę krwi, objętości koloidów i krystaloidów, transfuzję krwi, stosowanie NLPZ i benzodiazepin, czas trwania SBP > 140 mmHg i czas trwania MAP < 60 mmHg. Rozkład propensity score zarówno przed, jak i po wykonaniu PSM przedstawiono na Rys. 3A i B.

Po dopasowaniu charakterystyka wyjściowa między dwiema grupami była dobrze zrównoważona, przy czym wszystkie zmienne towarzyszące wykazywały SMD < 0,1. Po PSM, AFR nadal niezależnie przewidywał POD w wielowymiarowej analizie regresji logistycznej. OR dla AFR ≤ 10,625 wynosił 1,32 (95% CI: 1,14-1,53, P < 0,001), jak pokazano w Tabeli 2. Dodatkowe wyniki wielowymiarowej analizy regresji logistycznej można znaleźć w Tabeli A3.

Analiza podgrup wykazała, że AFR ≤ 10,625 był statystycznie istotny w podgrupach zdefiniowanych przez płeć, wiek, status ASA, poziomu hemoglobiny, czasu trwania operacji i czasu trwania MAP < 60 mmHg (P < 0,05), jak pokazano na Rys. 4. Na podstawie wartości OR w każdej podgrupie stwierdzono, że AFR miał silniejszy związek z POD w określonej podgrupie pacjentów, która obejmowała pacjentki, w wieku ≤ 70 lat, ze statusem ASA ≥ III, czasem trwania operacji ≤ 120 min, Hb > 130 g/L i czasem trwania MAP ≤ 60 mmHg przez ≤ 10 min.

Nasze badanie miało na celu zbadanie predykcyjnego efektu AFR na POD u starszych pacjentów. Wcześniejsze badania zidentyfikowały niski pooperacyjny AFR jako czynnik ryzyka POD u starszych pacjentów, ale były ograniczone przez małe rozmiary próbek i wąskie skupienie na określonych operacjach. Aby rozwiązać te ograniczenia, przeprowadziliśmy duże retrospektywne badanie kohortowe z 53 609 pacjentami poddawanymi różnym procedurom. Zastosowano rygorystyczne metody statystyczne, w tym jednozmienną i wielowymiarową regresję logistyczną, PSM, DCA i krzywe kalibracji. Nasze wyniki wykazały, że przedoperacyjny AFR pozostał wiarygodnym predyktorem POD w różnych procedurach.

Nasze badanie dostarczyło silnych dowodów potwierdzających AFR jako istotny predyktor pooperacyjnego majaczenia (POD) u pacjentów chirurgicznych. Niższe wartości AFR były związane z wyższą częstością występowania POD (P < 0,001) przy rozważaniu AFR jako zmiennej ciągłej. Używając zmiennej binarnej z punktem odcięcia 10,625, AFR ≤ 10,625 zostało zidentyfikowane jako czynnik ryzyka POD zarówno w jednowymiarowych, jak i wielowymiarowych analizach regresji logistycznej (P < 0,001). Dalsza analiza, dzieląca AFR na cztery grupy, potwierdziła związek między AFR ≤ 9,95 a zwiększonymi szansami na POD. Po dostosowaniu do 28 zmiennych i wykonaniu dopasowania propensity score 1:1, z każdą grupą składającą się z 12 200 pacjentów, wpływ innych zmiennych został wyeliminowany (SMD < 0,1). Wielowymiarowa analiza regresji logistycznej dopasowanej kohorty PSM ujawniła, że spadek AFR pozostał czynnikiem predykcyjnym dla POD (P < 0,001). Ustalenia te były spójne w różnych podgrupach, w tym w różnych grupach wiekowych, statusie ASA, płci, poziomie hemoglobiny i czasie trwania operacji. Pacjenci z AFR ≤ 10,625 mieli zwiększone ryzyko rozwoju POD w podgrupie z czasem trwania MAP < 60 mmHg ≤ 10 min.

Jaką rolę odgrywają albumina i fibrynogen w patofizjologii majaczenia?

Albumina, obfite białko osocza w organizmie człowieka, jest uważana za marker słabości, odżywienia, stanu zapalnego i zdolności funkcjonalnej. Kilka badań przekrojowych sugerowało pozytywną korelację między poziomami albuminy w surowicy a wynikami MMSE u pacjentów ze złamaniem biodra i chorobą Alzheimera. Wcześniejsze badania wskazywały, że nieprawidłowa albumina jest czynnikiem ryzyka POD u pacjentów po operacji kardiochirurgicznej, a niskie poziomy albuminy są również związane z przewidywaniem majaczenia w operacjach niekardiologicznych. W naszym poprzednim badaniu również stwierdziliśmy, że związany z albuminą Prognostic Nutritional Index (PNI) może być używany do przewidywania pooperacyjnego majaczenia. Powodem tego związku może być to, że niska albumina sugeruje niedożywienie, stan zapalny i niższe poziomy funkcji u osób starszych, które są znanymi czynnikami ryzyka POD. Dodatkowo, badanie przeprowadzone przez Jee i wsp. wykazało negatywną korelację między albuminą w surowicy a odkładaniem się beta-amyloidu (Aβ), sugerując, że albumina może odgrywać rolę w regulacji poziomów Aβ. Ostatnie badania wykazały również korelację między odkładaniem się Aβ a nasileniem okołooperacyjnego majaczenia.

Fibrynogen jest białkiem wielofunkcyjnym, które krąży we krwi jako rozpuszczalny dimer. Ostatnie badania wykazały, że fibrynogen ma wielorakie efekty na aktywację stanu zapalnego ośrodkowego układu nerwowego, indukcję tworzenia krwotoku mózgowego, promocję pogorszenia funkcji poznawczych i hamowanie naprawy. Mechanizm obejmuje wyciek fibrynogenu do mózgu, gdy bariera krew-mózg jest naruszona, prowadząc do aktywacji komórek glejowych, uszkodzenia aksonów, hamowania różnicowania komórek progenitorowych oligodendrocytów (OPC) i regeneracji mieliny, wiązania do Aβ, otwierania bariery krew-mózg przez bezpośrednią interakcję z komórkami śródbłonka mózgu, indukowania tworzenia blizn astrocytarnych i hamowania wzrostu dendrytów neuronalnych. Wcześniejsze badania oceniające proteom płynu mózgowo-rdzeniowego u pacjentów z majaczeniem zidentyfikowały 16 nieprawidłowych białek, w tym fibrynogen, dostarczając dowodów na związek między fibrynogenem a majaczeniem.

AFR, jako stosunek tych dwóch biomarkerów, jest obecnie szeroko stosowany do przewidywania prognozy nowotworów i ma wartość predykcyjną w ostrym zapaleniu trzustki i reumatoidalnym zapaleniu stawów. Dodatkowo, Gao i wsp. stwierdzili, że stosunek fibrynogenu do albuminy (FAR) jest skutecznym wskaźnikiem do przewidywania prognozy potrójnie ujemnego raka piersi (TNBC), a jego mechanizm może być związany z przewlekłym stanem zapalnym promującym progresję guza, podczas gdy niedożywienie pogarsza kacheksję nowotworową. Kim KS i wsp. wykazali, że FAR jest wykonalnym i użytecznym markerem do przewidywania jednorocznej śmiertelności u pacjentów krytycznie chorych na oddziale intensywnej terapii, a jego potencjalne czynniki nadal są związane ze stanem zapalnym, odpornością i stanem odżywienia. To dalej potwierdziło związek między AFR a stanem zapalnym i stanem odżywienia, wyjaśniając efekt predykcyjny AFR na POD.

Jakie ograniczenia i wnioski płyną z przeprowadzonego badania?

Nasze badanie ma pewne ograniczenia, które zasługują na uwagę. Po pierwsze, retrospektywny charakter badania mógł przyczynić się do stosunkowo niskiej częstości występowania POD, pomimo włączenia wielu pacjentów. Może to wynikać z trudności w diagnozowaniu majaczenia o niskiej aktywności. Po drugie, nasze badanie skupiało się tylko na eksperymentach przedoperacyjnych i badało wartość predykcyjną przedoperacyjnego AFR dla POD. Zmiany w AFR przed i po operacji mogą mieć lepszą wartość predykcyjną dla POD. Ponadto, nadal nie jest jasne, czy ukierunkowane interwencje dla pacjentów z niskim przedoperacyjnym AFR mogą skutecznie zmniejszyć występowanie POD, co wymaga dalszych badań w przyszłości.

Podsumowując, przedoperacyjny AFR wykazuje wartość predykcyjną dla POD u pacjentów nieneurochirurgicznych i niekardiologicznych. AFR służy jako łatwo dostępny wskaźnik. Uwzględnienie AFR w ocenach przedoperacyjnych może być cenną strategią stratyfikacji ryzyka dla POD, potencjalnie prowadząc do zmniejszenia jego częstości występowania wśród tych populacji pacjentów.

Podsumowanie

Przeprowadzone badanie retrospektywne na grupie 53 609 pacjentów w wieku powyżej 65 lat wykazało, że stosunek albuminy do fibrynogenu (AFR) jest wiarygodnym wskaźnikiem prognostycznym majaczenia pooperacyjnego (POD). Ustalono optymalną wartość progową AFR na poziomie 10,625. Pacjenci z AFR poniżej tego progu wykazywali znacząco wyższe ryzyko rozwoju POD. Zależność ta została potwierdzona zarówno w analizach jednozmiennych, jak i wielowymiarowych, a także po zastosowaniu metody propensity score matching. Badanie ujawniło, że niski poziom AFR jest szczególnie istotnym predyktorem POD u kobiet, pacjentów w wieku ≤70 lat, ze statusem ASA ≥III oraz przy krótszych operacjach. Mechanizm działania wiąże się z rolą albuminy jako markera stanu odżywienia i stanu zapalnego oraz wpływem fibrynogenu na funkcje poznawcze i stan zapalny ośrodkowego układu nerwowego. Wyniki sugerują, że włączenie pomiaru AFR do rutynowej oceny przedoperacyjnej może pomóc w identyfikacji pacjentów z podwyższonym ryzykiem POD.

Bibliografia

Huo Jiang, Song Yuxiang, Lu Jing, Dou Guijin, Chen Huixian, Mi Weidong, Yu Yingqun and Liu Yanhong. Albumin/fibrinogen ratio (AFR): a significant predictor of postoperative delirium in older patients undergoing non-neurosurgical and non-cardiac surgery. BMC Geriatrics 2025, 25(5), 290-301. DOI: https://doi.org/10.1186/s12877-025-05714-1.