8 * AN EVALUATION OF DELIRIUM MANAGEMENT IN THE ERA OF THE DaD TEAM
Notice bibliographique
Résumé
Evidence-base: NICE identifies delirium as a major cause of morbidity and mortality amongst hospital patients, particularly when it is not diagnosed early and managed appropriately (Inouye et al., AJM 1999. 106(5) 563–573). A previous audit demonstrated that educational interventions improved trainee doctors' knowledge and recognition of delirium, but did not alter clinical practice when delirium had been identified (Chen et al., 2011). Change strategies: Several new activities have been started since the last audit cycle. All patients over 75 are now screened for cognitive impairment on admission. The Dementia and Delirium (DaD) team was set up to provide practical support to clinical teams; it consists of 2 geriatricians, a psychogeriatrician, 2 specialist dementia nurses and administrative support. The Delirium Bundle was developed to assist doctors and nurses with acute management of delirium. A series of educational videos (“Barbara's Story”) was produced and distributed widely to Trust staff. Change effects: A notes-review of all the DaD delirium referrals received in one month (69 in total) showed the majority were appropriate - recognising established delirium or patients at high risk of developing delirium. Two-thirds of cases were managed optimally, according to Trust guidelines. This compares favourably with findings from the previous audit cycle, in which only 2 of the 8 common precipitating factors were considered in 100% of the patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».