Partial and no recovery from delirium after hospital discharge predict increased adverse events
Notice bibliographique
Résumé
Background: The implications of partial and no recovery from delirium after hospital discharge are not clear. We sought to explore whether partial and no recovery from delirium among recently discharged patients predicted increased adverse events (emergency room visits, hospitalisations, death) during the subsequent 3 months. Method: Prospective study of recovery from delirium in older hospital inpatients. The Confusion Assessment Method was used to diagnose delirium in hospital and determine recovery status after discharge (T0). Adverse events were determined during the 3 months T0. Survival analysis to the first adverse event and counting process modelling for one or more adverse events were used to examine associations between recovery status (ordinal variable, 0, 1 or 2 for full, partial or no recovery, respectively) and adverse events. Results: Of 278 hospital inpatients with delirium, 172 were discharged before the assessment of recovery status (T0). Delirium recovery status at T0 was determined for 152: 25 had full recovery, 32 had partial recovery and 95 had no recovery. Forty-four patients had at least one adverse event during the subsequent 3 months. In multivariable analysis of one or more adverse events, poorer recovery status predicted increased adverse events; the hazard ratio (HR) (95% confidence interval, CI) was 1.72 (1.09, 2.71). The association of recovery status with adverse events was stronger among patients without dementia. Conclusion: Partial and no recovery from delirium after hospital discharge appear to predict increased adverse events during the subsequent 3 months These findings have potentially important implications for in-hospital and post-discharge management and policy.
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 | 0,002 |
| 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 ».