Longitudinal patterns of delirium severity scores in long-term care settings
Notice bibliographique
Résumé
BACKGROUND: The delirium index (DI) is a valid measure of delirium severity. We proposed to describe longitudinal patterns of severity scores in older long-term care (LTC) residents. METHODS: A prospective cohort study of 280 residents in seven LTC facilities in Montreal and Quebec City, Canada, was conducted. DI, Barthel Index, Mini-Mental State Examination, Charlson Comorbidity Index, Cornell Scale for Depression in Dementia, dementia assessment by an MD, and prevalent or incident probable delirium defined according to the Confusion Assessment Method were completed at baseline. The DI was also assessed weekly for 6 months. Demographic characteristics were abstracted from resident charts. Cluster analysis for longitudinal data was used to describe longitudinal patterns of DI scores. RESULTS: During the 24 weeks following enrolment, 28 (10.0%) of 280 residents who had prevalent delirium and 76 (27.1%) who had incident delirium were included in our analysis. Average observation period was 18.3 weeks. Four basic types of time evolution patterns were discovered: Improvement, Worsening, Fluctuating, and Steady, including 22%, 18%, 25%, and 35%, of the residents, respectively. With the exception of the Worsening pattern, the average trajectory was stabilized at the 4th week or earlier. Poor baseline cognitive and physical function and greater severity of delirium predicted worse trajectories over 24 weeks. CONCLUSIONS: The longitudinal patterns of DI scores found in LTC residents resemble those found in an earlier study of delirium in acute care (AC) settings. However, compared to AC patients, LTC residents have a smaller DI variability over time, a less frequent Improvement pattern, and more frequent Worsening and Fluctuating patterns.
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 ».