Use of nurse-observed symptoms of delirium in long-term care: effects on prevalence and outcomes of delirium
Notice bibliographique
Résumé
BACKGROUND: Previous studies have reported that nurse detection of delirium has low sensitivity compared to a research diagnosis. As yet, no study has examined the use of nurse-observed delirium symptoms combined with research-observed delirium symptoms to diagnose delirium. Our specific aims were: (1) to describe the effect of using nurse-observed symptoms on the prevalence of delirium symptoms and diagnoses in long-term care (LTC) facilities, and (2) to compare the predictive validity of delirium diagnoses based on the use of research-observed symptoms alone with those based on research-observed and nurse-observed symptoms. METHODS: Residents aged 65 years and over of seven LTC facilities were recruited into a prospective study. Using the Confusion Assessment Method (CAM), research assistants (RAs) interviewed residents and nurses to assess delirium symptoms. Delirium symptoms were also abstracted independently from nursing notes. Outcomes measured at five month follow-up were: death, the Hierarchic Dementia Scale (HDS), the Barthel ADL scale, and a composite outcome measure (death, or a 10-point decline in either the HDS or the ADL score). RESULTS: The prevalence of delirium among 235 LTC residents increased from 14.0% (using research-observed symptoms only) to 24.7% (using research- and nurse-observed symptoms). The relative risks (and 95% confidence intervals) for prediction of the composite outcome, after adjustment for covariates, were: 1.43 (0.88, 1.96) for delirium using research-observed symptoms only; 1.77 (1.13, 2.28) for delirium using research- and nurse-observed symptoms, in comparison with no delirium. CONCLUSIONS: The inclusion of delirium symptoms observed by nurses not only increases the detection of delirium in LTC facilities but improves the prediction of 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 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 | 0,006 |
| 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 ».