Smoking Cessation and the Risk of Hyperactive Delirium in Hospitalized Patients: A Retrospective Study
Notice bibliographique
Résumé
OBJECTIVES: The acute cessation of smoking often induces symptoms that are similar to those associated with delirium. We aimed to evaluate effects of sudden nicotine abstinence on the development of delirium and its motoric subtypes in hospitalized patients. METHODS: The present study included patients who were referred to psychiatrists by ward physicians due to confusion. The presence of delirium was defined using the Confusion Assessment Method and the Delirium Rating Scale Revised-98, which was also used to assess the severity of delirium. Outcome variables, including the length of hospital stay and 3-month mortality rate, were collected by a retrospective chart review. RESULTS: Delirium was confirmed in 210 of the 293 referred patients. Of the motoric subtypes of delirium, the hyperactive subtype was more common (68.1%) and was related to higher 3-month mortality (odds ratio [OR], 2.189; 95% confidence interval [CI], 1.07 to 4.49; P = 0.033) compared with hypoactive delirium. Patients undergoing sudden cessation of smoking (n = 55) were more likely to exhibit hyperactive delirium than were nonsmokers (P = 0.001). A multivariate analysis revealed that smoking cessation was an independent risk factor for hyperactive delirium (OR, 10.33; 95% CI, 2.31 to 46.09; P = 0.002). In addition, the amount of smoking was positively correlated with the severity of hyperactivity (r = 0.421, P = 0.003). Smoking status did not significantly influence overall delirium incidence. CONCLUSIONS: The present findings demonstrated that nicotine withdrawal was associated with hyperactive delirium, which suggests that they share common pathophysiologies that involve the dopamine, opioid, and cholinergic systems.
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) | 0,000 | 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 ».