Notice bibliographique
Résumé
OBJECTIVE: To outline current approaches to diagnosing and managing delirium in the elderly. QUALITY OF EVIDENCE: A literature review was based on a MEDLINE search (1966 to 1998). Selected articles were reviewed and used as the basis for discussion of diagnosis and etiology. We planned to include all published randomized controlled trials regarding management but found only two. Consequently, we also used review articles and recent practice guidelines for delirium published by the American Psychiatric Association. MAIN FINDINGS: Clinical diagnosis of delirium can be aided by using DSM-IV criteria, the Delirium Symptom Interview, or the confusion assessment method. Management must include investigation and treatment of underlying causes and general supportive measures. Providing optimal levels of stimulation, reorienting patients, education, and supporting families are important. Pharmacologic management of delirium should be considered only for specific symptoms or behaviours, e.g., aggression, severe agitation, or psychosis. Only one randomized controlled trial of tranquilizer use for delirium in medically ill people has been published. Findings support the current belief that neuroleptics are superior to benzodiazepines in most cases of delirium. Most authorities still consider haloperidol the neuroleptic of choice. Controlled trials of the new atypical neuroleptics for treating delirium are not yet available. Benzodiazepines with relatively short half-lives, such as lorazepam, are the drugs of choice for withdrawal symptoms. CONCLUSION: Delirium is frequently underdiagnosed in clinical practice. It should be suspected with acute changes in behaviour. Careful investigation of the underlying cause permits appropriate management.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».