Detection of delirium by nurses among long-term care residents with dementia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Delirium is a prevalent problem in long-term care (LTC) facilities where advanced age and cognitive impairment represent two important risk factors for this condition. Delirium is associated with numerous negative outcomes including increased morbidity and mortality. Despite its clinical importance, delirium often goes unrecognized by nurses. Although rates of nurse-detected delirium have been studied among hospitalized older patients, this issue has been largely neglected among demented older residents in LTC settings. The goals of this study were to determine detection rates of delirium and delirium symptoms by nurses among elderly residents with dementia and to identify factors associated with undetected cases of delirium. METHODS: In this prospective study (N = 156), nurse ratings of delirium were compared to researcher ratings of delirium. This procedure was repeated for 6 delirium symptoms. Sensitivity, specificity, positive and negative predictive values were computed. Logistic regressions were conducted to identify factors associated with delirium that is undetected by nurses. RESULTS: Despite a high prevalence of delirium in this cohort (71.5%), nurses were able to detect the delirium in only a minority of cases (13%). Of the 134 residents not identified by nurses as having delirium, only 29.9% of them were correctly classified. Detection rates for the 6 delirium symptoms varied between 39.1% and 58.1%, indicating an overall under-recognition of symptoms of delirium. Only the age of the residents (>/= 85 yrs) was associated with undetected delirium (OR: 4.1; 90% CI: [1.5-11.0]). CONCLUSION: Detection of delirium is a major issue for nurses that clearly needs to be addressed. Strategies to improve recognition of delirium could result in a reduction of adverse outcomes for this very vulnerable population.
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.
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 | 0,000 |
| 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 découle