Evaluation of psychomotor/motor disturbances in elderly medical inpatients
Notice bibliographique
Résumé
Introduction Traditionally psychomotor subtypes have been investigated in patients with delirium in different settings and it has been found that those with hypoactive type is the largest proportion, often missed and with the worst outcomes. Aims and objectives We examined the psychomotor subtypes in an older age inpatients population, the effects that observed clinical variables have on psychomotor subtypes and their association with one year mortality. Methods Prospective study. Participants were assessed using the scales CAM, APACHE II, MoCA, Barthel Index and DRS-R98. Pre-existing dementia was diagnosed according to DSM-IV criteria. Psychomotor subtypes were evaluated using the two relevant items of DRS-R98. Mortality rates were investigated one year after admission day. Results The sample consisted of 200 participants [mean age 81.1 ± 6.5; 50% female; pre-existing cognitive impairment in 126 (63%)]. Thirty-four (17%) were identified with delirium (CAM+). Motor subtypes of the entire sample was: none: 119 (59.5%), hypo: 37 (18.5%), mixed: 15 (7.5%) and hyper: 29 (14.5%). Hypoactive and mixed subtype were significantly more frequent to delirious patients than to those without delirium, and none subtype more often to those without delirium. There was no difference in the hyperactive subtype between those with and without delirium. Hypoactive subtype was significant associated with delirium and lower scores in MoCA (cognition), while mixed was associated mainly with delirium. Predictors for one-year mortality were lower MoCA scores and severity of illness. Conclusions Psychomotor disturbances are not unique to delirium. Hypoactivity, this “silent epidemic” is also part of a deteriorated cognition. Disclosure of interest The authors have not supplied their declaration of competing interest.
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 | 0,006 |
| 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) | 0,001 | 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 ».