MétaCan
Menu
Retour à la cohorte
Enregistrement W2130774346 · doi:10.1186/s13054-014-0489-x

Diagnostic accuracy of delirium diagnosis in pediatric intensive care: a systematic review

2014· review· en· W2130774346 sur OpenAlexafffund
Alia Daoud, Jonathan P. Duff, Ari R. Joffe

Notice bibliographique

RevueCritical Care · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensStollery Children's HospitalAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesAlberta InnovatesWomen and Children's Health Research InstituteChildren's Health Research Institute
Mots-clésMedicineDeliriumIntensive care medicineIntensive careMEDLINEEmergency medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Delirium is common in adult intensive care, with validated tools for measurement, known risk factors and adverse neurocognitive outcomes. We aimed to determine what is known about pediatric delirium in the pediatric intensive care unit (PICU). METHODS: We conducted a systematic search for and review of studies of the accuracy of delirium diagnosis in children in the PICU. Secondary aims were to determine the prevalence, risk factors and outcomes associated with pediatric delirium. We created screening and data collection tools based on published recommendations. RESULTS: After screening 145 titles and abstracts, followed by 35 full-text publications and reference lists of included publications, 9 reports of 5 studies were included. Each of the five included studies was on a single index test: (1) the Pediatric Anesthesia Emergence Delirium Scale (PAED; for ages 1 to 17 years), (2) the Pediatric Confusion Assessment Method for the Intensive Care Unit (p-CAM-ICU; for ages ≥ 5 years), (3) the Cornell Assessment of Pediatric Delirium (CAP-D; a modification of the PAED designed to detect hypoactive delirium), (4) the revised Cornell Assessment of Pediatric Delirium (CAP-D(R)) and (5) clinical suspicion. We found that all five studies had a high risk of bias on at least one domain in the Quality Assessment of Diagnostic Accuracy Studies-2 (QUADAS-2). Sample size, sensitivity, specificity, and effectiveness (correct classification divided by total tests done) were: PAED 144, 91%, 98%, <91% (>16% of scores required imputation for missing data); p-CAM 68, 78%, 98%, 96%; CAP-D 50, 91%, 100%, 89%; CAP-D (R) 111, and of assessments 94%, 79%, <82% (it is not clear if any assessments were not included); and clinical suspicion 877, N/A (only positive predictive value calculable, 66%). Prevalence of delirium was 17%, 13%, 28%, 21%, and 5% respectively. Only the clinical suspicion study researchers statistically determined any risk factors for delirium (pediatric risk of mortality, pediatric index of mortality, ventilation, age) or outcomes of delirium (length of stay and mortality). CONCLUSION: High-quality research to determine the accuracy of delirium screening tools in the PICU are required before prevalence, risk factors and outcomes can be determined and before a routine screening tool can be recommended. Direct comparisons of the p-CAM-ICU and CAP-D(R) should be performed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,756
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,755
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,756
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,388
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207