Delirium, agitation, and symptom distress within the final seven days of life among cancer patients receiving hospice care
Notice bibliographique
Résumé
OBJECTIVE: Knowledge of symptom prevalence and adequate assessment of such symptoms at the end of life is important in clinical practice. We determined the frequency and severity of symptom distress and delirium using the Edmonton Assessment Scale (ESAS) and the Memorial Delirium Assessment Scale (MDAS) and evaluated the clinical utility of the Nursing Delirium Screening Scale (Nu-DESC) as scored by a caregiver as a screening tool for delirium. METHOD: We conducted a secondary analysis of the data from a previous randomized controlled trial on parenteral hydration at the end of life of patients admitted to home hospice. Only patients that had assessments within the last week of life were included. We collected the ESAS, MDAS, Nu-DESC, and Richmond Agitation Sedation Scale (RASS) results. The sensitivity and specificity of the Nu-DESC were then calculated. RESULTS: Some 78 of 261 patients were included in our study, 62 (80%) of which had moderate-to-severe symptoms corresponding to an ESAS score >4. These symptoms include: 73 (94%) anorexia, 63 (81%) fatigue, 56 (73%) drowsiness, 58 (75%) decreased well-being, and 39 (51%) pain. Delirium was diagnosed in 34 (44%) of patients using the MDAS. The Nu-DESC was found to have a sensitivity of 35%, a specificity of 80%, a positive predictive value (PPV) of 58%, and an negative predictive value (NPV) of 61% when used by caregivers. SIGNIFICANCE OF RESULTS: Hospice patients at the end of life have a high rate of symptom distress and delirium. The Nu-DESC is not a reliable tool for screening delirium when scoring is conducted by a caregiver. Our study illustrates the need for routine use of assessment tools to improve care.
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 | 0,021 |
| 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 | 0,001 |
| 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 ».