A pragmatic study exploring the prevention of delirium among hospitalized older hip fracture patients: Applying evidence to routine clinical practice using clinical decision support
Notice bibliographique
Résumé
Delirium occurs in up to 65% of older hip fracture patients. Developing delirium in hospital has been associated with a variety of adverse outcomes. Trials have shown that multi-component preventive interventions can lower delirium rates. The objective of this study was to implement and evaluate the effectiveness of an evidence-based electronic care pathway, which incorporates multi-component delirium strategies, among older hip fracture patients. We conducted a pragmatic study using an interrupted time series design in order to evaluate the use and impact of the intervention. The target population was all consenting patients aged 65 years or older admitted with an acute hip fracture to the orthopedic units at two Calgary, Alberta hospitals. The primary outcome was delirium rates. Secondary outcomes included length of hospital stay, in-hospital falls, in-hospital mortality, new discharges to long-term care, and readmissions. A Durbin Watson test was conducted to test for serial correlation and, because no correlation was found, Chi-square statistics, Wilcoxon test and logistic regression analyses were conducted as appropriate. At study completion, focus groups were conducted at each hospital to explore issues around the use of the order set. During the 40-week study period, 134 patients were enrolled. The intervention had no effect on the overall delirium rate (33% pre versus 31% post; p = 0.84). However, there was a significant interaction between study phase and hospital (p = 0.03). Although one hospital did not experience a decline in delirium rate, the delirium rate at the other hospital declined from 42% to 19% (p = 0.08). This difference by hospital was mirrored in focus group feedback. The hospital that experienced a decline in delirium rates was more supportive of the intervention. Overall, post-intervention there were no significant differences in mean length of stay (12 days post versus 14 days pre; p = 0.74), falls (6% post versus 10% pre; p = 0.43) or discharges to long-term care (6% post versus 13% pre; p = 0.20). Translation of evidence-based multi-component delirium prevention strategies into everyday clinical care, using the electronic medical record, was not found to be effective at decreasing delirium rates among hip facture 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 | 0,036 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».