Cigarette Smoking as a Risk Factor for Delirium in Hospitalized and Intensive Care Unit Patients. A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Active smokers are prevalent in hospitalized and critically ill patients. Cigarette smoking and nicotine withdrawal may increase delirium in these populations. This systematic review aims to determine whether active cigarette smoking increases the risk for delirium in hospitalized and intensive care unit (ICU) patients. METHODS: A systematic search of English-, Spanish-, and French-language articles published from 1966 to April 2013 was performed. Studies were included if they measured cigarette smoking as a risk factor and delirium as an outcome in adult hospitalized or ICU patients. Methodologic quality of studies was assessed using both the validated Newcastle Ottawa Scale and an additional evidence-based quality rating scale. RESULTS: A total of 14 cohort studies of surgical and ICU populations were included in the review. No studies in non-ICU inpatients were identified. The incidence of delirium ranged from 9 to 52%, and the prevalence of active smokers ranged from 9 to 44%. The quality of assessment for active smoking varied widely. None of the studies used biochemical measures to determine cigarette smoke exposure. Of the six studies restricting the smoking group to active smokers only, active smoking was independently associated with delirium in one study, trended toward an association in one study, and showed a dose response in one study. Quantitative summary measures were not calculated due to study heterogeneity and missing data. CONCLUSIONS: There is currently insufficient evidence to determine if cigarette smoking is a risk factor for delirium. Future studies should consider using biochemical measures of cigarette smoke exposure to objectively quantify smoking behavior.
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 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».