Stability of Postoperative Delirium Psychomotor Subtypes in Individuals with Hip Fracture
Notice bibliographique
Résumé
OBJECTIVES: To determine the stability of psychomotor subtypes of delirium over time and identify characteristics associated with delirium psychomotor subtypes in individuals undergoing surgical repair of hip fracture. DESIGN: Prospective cohort study. SETTING: The Transfusion Trigger Trial for Functional Outcomes in Cardiovascular Patients Undergoing Surgical Hip Fracture Repair Cognitive Ancillary Study was conducted at 13 participating sites from 2008 to 2009. PARTICIPANTS: Individuals who had undergone surgical repair of hip fracture (N=139). MEASUREMENTS: Delirium was assessed up to four times postoperatively using the Confusion Assessment Method (CAM) and the Memorial Delirium Assessment Scale. Psychomotor subtypes of delirium were categorized as hypoactive, hyperactive, mixed, and normal psychomotor activity. RESULTS: Incidence of postoperative delirium was 41% (n=57). Of 90 CAM-positive (CAM+) observations, 56% were hypoactive, 10% were hyperactive, 21% were mixed, and 14% had normal psychomotor symptoms. Of 26 participants with more than one CAM+ assessment, 50% maintained subtype stability over time. Participants with hypoactive or normal psychomotor symptoms (n=31) were less likely to have chart documentation of delirium than participants with any hyperactive symptoms (n=19) (22% vs 58%, P=.009). CONCLUSION: Psychomotor subtypes of delirium often fluctuate from assessment to assessment, rather than representing fixed categories of delirium. Hypoactive delirium is the most common presentation of delirium but is the least likely to be documented by healthcare providers.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».