Approaches of Turkish anesthesiologists to delirium observed in intensive care unit patients
Notice bibliographique
Résumé
To determine attitudes and practices of the Turkish anesthesiologists and residents about delirium in the ICU. An anonymous questionnaire consisting of 22 questions [ 1 ] was mailed to 258 anesthesiologists and residents. One hundred and fifty-four questionnaires were returned (60% response). Of the respondents, 57% were male and 61% were residents. One-half of respondents work in hospitals with more than 800 beds; 65% of respondents had an ICU facility of 7–12 beds. Seventy-two percent of the respondents had seen delirium in the ICU and also 70.2% of these respondents observed delirium in <25% of patients who were on mechanical ventilation. Although delirium was accepted a significant or very serious problem by 92.5% of the respondents, underdiagnosis was acknowledged by 74%. Routine screening for delirium was performed by 41.6% of the anesthesiologists and 88.1% of them were repeating daily. Clinical assessment was used in 76.7% of the screenings. Delirium was treated with haloperidol and benzodiazepine by 61.5% and 24% of the respondents. Of the respondents, 93.4% were not able to attend a meeting related to delirium and 67.6% did not read even an article about delirium. Turkish anesthesiologists and residents consider delirium a relatively common and serious problem. However, they seldom perform screening tests and try to update their knowledge regarding delirium.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».