Development of a delirium risk screening tool for long‐term care facilities
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study is to develop a delirium risk screening tool for use in long-term care (LTC) facilities. METHODS: The sample comprised residents aged 65 years and over of seven LTC facilities in Montreal and Quebec City, Canada, admitted for LTC. Primary analyses were conducted among residents without delirium at baseline. Incident delirium was diagnosed using multiple data sources during the 6-month follow-up. Risk factors, all measured at or prior to baseline, included the following six groups: sociodemographic, medical, cognitive status, physical function, agitated behavior, and symptoms of depression. Variables were analyzed individually and by group using Cox regression models. Clinical judgment was used to select the most feasible among similarly performing factors. RESULTS: The cohort comprised 206 residents without delirium at baseline; 69 cases of incident delirium were observed (rate 7.6 per 100 person weeks). The best-performing screening tool comprised five items, with an overall area under the curve of 0.82 (95% CI 0.76, 0.88). These items included brief measures of cognitive status, physical function, behavioral, and emotional problems. Using cut-points of 2 (or 3) over 5, the scale has a sensitivity of 90% (63%), specificity of 59% (85%), and positive predictive value of 52% (66%). CONCLUSIONS: This brief screening tool allows nurses to identify LTC residents at increased risk for delirium. These residents can be targeted for closer monitoring and preventive interventions.
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 | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».