MétaCan
Menu
Retour à la cohorte
Enregistrement W1986710852 · doi:10.1186/s12912-015-0070-1

Recognizing acute delirium as part of your routine [RADAR]: a validation study

2015· article· en· W1986710852 sur OpenAlexafffund
Philippe Voyer, Nathalie Champoux, Johanne Desrosiers, Philippe Landreville, Jane McCusker, Johanne Monette, Maryse Savoie, Sylvie Richard, Pierre‐Hugues Carmichael

Notice bibliographique

RevueBMC Nursing · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensCentre de Santé et de Services Sociaux de la Vieille-CapitaleMcGill UniversityJewish General HospitalSt Mary's HospitalUniversité de SherbrookeInstitut Universitaire de Gériatrie de MontréalUniversité Laval
Organismes subventionnairesCanadian Institutes of Health ResearchRéseau québécois de recherche sur le vieillissement
Mots-clésDeliriumMedicineGeneralizability theoryAcute careRadarReliability (semiconductor)ConfusionEmergency medicineNursingIntensive care medicineHealth carePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although detection of delirium using the current tools is excellent in research settings, in routine clinical practice, this is not the case. Together with nursing staff, we developed a screening tool (RADAR) to address certain limitations of existing tools, notably administration time, ease-of-use and generalizability. The purpose of this study was not only to evaluate the validity and reliability of RADAR but also to gauge its acceptability among the nursing staff in two different clinical settings. METHODS: This was a validation study conducted on three units of an acute care hospital (medical, cardiology and coronary care) and five units of a long-term care facility. A total of 142 patients and 51 residents aged 65 and over, with or without dementia, participated in the study and 139 nurses were recruited and trained to use the RADAR tool. Data on each patient/resident was collected over a 12-hour period. The nursing staff and researchers administered RADAR during the scheduled distribution of medication. Researchers used the Confusion Assessment Method to determine the presence of delirium symptoms. Delirium itself was defined as meeting the criteria for DMS-IV-TR delirium. Inter-rater reliability, convergent, and concurrent validity of RADAR were assessed. At study end, 103 (74%) members of the nursing staff completed the RADAR feasibility and acceptability questionnaire. RESULTS: Percentages of agreement between RADAR items that bedside nurses administered and those research assistants administered varied from 82% to 98%. When compared with DSM-IV-TR criterion-defined delirium, RADAR had a sensitivity of 73% and a specificity of 67%. Participating nursing staff took about seven seconds on average, to complete the tool and it was very well received (≥98%) overall. CONCLUSIONS: The RADAR tool proved to be efficient, reliable, sensitive and very well accepted by nursing staff. Consequently, it becomes an appropriate new option for delirium screening among older adults, with or without cognitive impairment, in both hospitals and nursing homes. Further projects are currently underway to validate the RADAR among middle-aged adults, as well as in newer clinical settings; home care, emergency department, medical intensive care unit, and palliative care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,374
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207