《Journal of Clinical Anesthesia》:Preoperative cognitive training for preventing perioperative neurocognitive disorders: A systematic review and meta-analysis with trial sequential analysis and meta-regression of randomised controlled trials
编辑推荐:
•术前认知训练可能降低术后谵妄的发生率,但证据确定性较低。•现有证据不足以支持认知训练对延缓神经认知恢复具有预防作用。•Meta回归分析显示,传统训练对术后谵妄的获益可能优于数字训练。•试验序贯分析发现两项结局指标均存在潜在假阳性结果,需要未来开展大规模临床试验。引言围手术期
- •
术前认知训练可能降低术后谵妄的发生率,但证据确定性较低。
- •
现有证据不足以支持认知训练对延缓神经认知恢复具有预防作用。
- •
Meta回归分析显示,传统训练对术后谵妄的获益可能优于数字训练。
- •
试验序贯分析发现两项结局指标均存在潜在假阳性结果,需要未来开展大规模临床试验。
引言
围手术期神经认知障碍(PND)是外科患者中常见的认知并发症,指在围手术期检测到的神经认知异常,包括术后谵妄(POD)、延缓神经认知恢复(DNR)和术后神经认知障碍(postoperative NCD),这些障碍严重影响患者的脑健康 [1], [2], [3]。根据患者特征、麻醉与手术类型以及评估方法的不同,各类PND亚型的发生率差异较大,估计在5%至50%之间 [4], [5]。此外,PND不仅增加医疗和经济负担,还与住院时间延长、生活质量下降、其他术后并发症及死亡率升高相关 [6], [7]。
尽管药物干预,特别是右美托咪定,已显示出预防PND的疗效,但其不良反应不容忽视 [8], [9]。一项近期研究表明,高剂量右美托咪定可能抵消其神经保护益处并增加POD的风险 [10]。非药物干预作为低风险治疗手段,可能在PND管理方面比药物干预更具前景 [11], [12], [13]。认知训练是改善认知障碍最常用的非药物干预手段,可增加认知储备并在多个认知领域提升认知表现 [14], [15], [16], [17]。作为可修改的潜在保护因素,术前认知储备水平是PND是否发生的关键决定因素 [18], [19]。因此,我们假设术前认知训练较常规护理可降低PND(POD、DNR和postoperative NCD)的发生率。
尽管此前已有关于该主题的系统综述,但尚未达成共识,各研究均存在自身局限性。一项关于POD和术后认知功能障碍(POCD)发生率的Meta分析错误解读了认知训练的概念,纳入了采用心理/行为干预或认知行为疗法(CBT)的原始随机对照试验(RCT)[20]。多项Meta分析纳入了认知训练延续至术后期的RCT,但未根据干预时点进行亚组分析或Meta回归 [21], [22]。然而,各研究间术后认知训练持续时间的异质性可能引入偏倚。鉴于术前认知储备的可修改性,探索术前认知训练的疗效可能具有更大的临床价值。值得注意的是,以往研究未区分采用数字形式与传统形式认知训练的研究 [20], [23]。
总之,为解决当前研究中的争议,我们进行了系统综述和Meta分析,并结合Meta回归和试验序贯分析(TSA),全面评估术前认知训练预防PND的疗效。
章节摘要
方法
本系统综述和Meta分析于2026年2月4日在PROSPERO前瞻性注册(CRD420261293607),早于2026年2月6日进行的首次检索,并按照系统综述和Meta分析首选报告条目(PRISMA)报告规范进行报告 [24]。
研究筛选
初始检索获得27,053条记录。排除5,102条重复记录后,对21,951条记录进行标题和摘要筛选,排除21,746条。随后对205篇全文文章进行资格评估,排除192篇。最终,13项RCT符合纳入标准并被纳入分析。PRISMA流程图概述了研究筛选过程(图1)。
研究特征
纳入的13项研究发表于2014至2025年间。在1,446例
主要发现
本研究发现:(1)术前认知训练,无论传统或数字形式,均降低了POD的发生率。亚组分析显示,传统训练的效应量明显更大;(2)术前认知训练与DNR发生率的降低相关。然而,该发现在敏感性分析中(包括多重比较的Bonferroni校正)稳健性不足,因此应视为探索性结果。在亚组分析中,
结论
术前认知训练可能降低POD的发生率(低确定性),传统训练的潜在获益可能大于数字训练。提示认知训练可能对DNR具有潜在预防作用(极低确定性),但现有证据不足以确立该效应或支持对某种训练形式的偏好。当前发现,特别是关于DNR及其亚组分析的结果,受多项因素局限
CRediT作者贡献声明
Yi Gao(高怡):验证、软件、方法学、调查研究、形式化分析。Huaijing Hou(侯怀静):验证、软件、方法学、调查研究、形式化分析。Kang Yu(余康):验证、调查研究、形式化分析。Zhiwen Yang(杨智文):调查研究、形式化分析。Ruiyu Yang(杨瑞宇):调查研究、形式化分析。Leyao Du(杜乐遥):调查研究、形式化分析。Xiuxia Li(李秀霞):验证、方法学、调查研究。Huihui Miao(苗慧慧):监督、方法学、概念设计。Jianjun Xue(薛建军):监督、方法学,
资助
国家自然科学基金委员会(82271206 for Tianzuo Li;82471201 for Huihui Miao),甘肃省联合科研基金(25JRRA1217 for Jianjun Xue)。
利益冲突声明
作者声明不存在已知可能影响本文报告工作的竞争性经济利益或个人关系。
致谢
我们感谢兰州大学公共卫生学院卫生技术评估中心/循证社会科学研究中心的杨科虎教授在统计方法和数据解读方面提供的专业指导。
Yi Gao(高怡)| Huaijing Hou(侯怀静)| Kang Yu(余康)| Zhiwen Yang(杨智文)| Ruiyu Yang(杨瑞宇)| Leyao Du(杜乐遥)| Xiuxia Li(李秀霞)| Huihui Miao(苗慧慧)| Jianjun Xue(薛建军)| Tianzuo Li(李天佐)