Delirium masquerading as depression
Notice bibliographique
Résumé
OBJECTIVE: Despite the high prevalence of delirium in palliative care settings, this diagnosis is frequently missed, particularly in patients with hypoactive delirium. These patients are also commonly misdiagnosed with depression because of the overlap in symptoms between the two diagnoses. Failure to promptly diagnose delirium can have significant ramifications in terms of delirium reversal, subsequent patient involvement in end-of-life decision making, and the recognition and treatment of other symptoms. METHOD: We report a case of a 63-year-old French-speaking woman admitted to our inpatient palliative care unit with colorectal cancer and a history of depression. This case report highlights the major challenges associated with making the diagnosis of delirium in a patient with a complex medical history, including depression. RESULTS: The patient presented with symptoms of depressed mood and fluctuation in psychomotor activity, but failed to respond to an increase in her fluoxetine treatment in addition to methylphenidate and treatment of her hypothyroidism. A psychiatric assessment in her own language detected features of inattention and confirmed a diagnosis of delirium that was multifactorial, secondary to a combination of posterior reversible encephalopathy syndrome (PRES), hypothyroidism, hepatic dysfunction, and medication. SIGNIFICANCE OF RESULTS: Subsyndromal delirium may present with mood lability, and as delirium and depression can coexist, clinicians should perform a delirium screen for all patients presenting with symptoms of depression, preferably in the patient's first language. Cognitive testing can be particularly helpful in distinguishing delirium, especially hypoactive delirium, from depression.
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 | 0,009 |
| 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) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».