Avaliação do delírio em pacientes pós-operatórios: validação da versão portuguesa da Nursing Delirium Screening Scale na terapia intensiva
Notice bibliographique
Résumé
O objetivo desse estudo foi validar a versão portuguesa da escala Nursing Delirium Screening Scale (Nu-DESC) para uso em anbientes de terapia intensiva. Simultânea e independentemente, avaliamos para ocorrência de delírio todos os pacientes pós-operatórios internados em uma Unidade de Terapia Intensiva Cirúrgica (UTIC) ao longo de um período de um mês, utilizando as versões portuguesas de Nu-DESC e da escala In- tensive Care Delirium Screening Checklist (ICDSC) dentro de 24 horas a contar da internação, tanto pelo médico da equipe de pesquisa como pelo enfermeiro diretamente encarregado do paciente. Determinamos a acurácia diagnóstica de Nu-DESC utilizando análises de sensibilida- de, especificidade e da curva ROC. Avaliamos a confiabilidade entre enfermeiros/médico da equipe de pesquisa para Nu-DESC pelo coeficiente de correlação intraclasse (CCI). Avaliamos concordância e confiabilidade entre Nu-DESC e ICDSC por percentuais globais e específicos de concordância, e por estatística kappa. Com base na escala ICDSC, diagnosticamos delírio em 12 dos 78 pacientes. Para o escore Nu-DESC total, consideramos como alta a confiabilidade entre enfermeiros/médico da equipe. Quanto ao diagnóstico, consideramos perfeita a concordância entre enfermeiros e médico da equipe. O percentual de concordância global entre Nu-DESC e ICDSC para o diag- nóstico de delírio foi 0,88, e kappa variou de 0,79 a 0,93. A sensibilidade da escala Nu-DESC foi 100%, e a especificidade, 86%. A versão portuguesa da escala Nu-DESC parece ser instrumento de avaliação e monitoramento acurado e confiável para o diagnóstico de delírio em ambientes de terapia intensiva.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».