Five short screening tests in the detection of prevalent delirium: diagnostic accuracy and performance in different neurocognitive subgroups
Notice bibliographique
Résumé
BACKGROUND: Delirium is prevalent and serious, yet remains under-recognised. Systematic screening could improve detection; however, consensus is lacking as to the best approach. Our aim was to assess the diagnostic accuracy of five simple cognitive tests in delirium screening: six-item cognitive impairment test (6-CIT), clock-drawing test, spatial span forwards, months of the year backwards (MOTYB) and intersecting pentagons (IPT). METHODS: A cross-sectional study was conducted. Within 36 h of admission, older medical patients were assessed for delirium using the Revised Delirium Rating Scale. They also underwent testing using the five cognitive tests outlined above. Sensitivity, specificity, positive and negative predictive values (PPV; NPV) were calculated for each method. Where appropriate, area under the receiver operating characteristic curve (AUC) was also calculated. RESULTS: Four hundred seventy patients were included, and 184 had delirium. Of the tests scored on a scale, the 6-CIT had the highest AUC (0.876), the optimum cut-off for delirium screening being 8/9 (sensitivity 89.9%, specificity 62.7%, NPV 91.2%, PPV 59.2%). The MOTYB, scored in a binary fashion, also performed well (sensitivity 84.6%, specificity 58.4%, NPV 87.4%, PPV 52.8). On discriminant analysis, 6-CIT was the only test to discriminate between patients with delirium and those with dementia (without delirium), Wilks' Lambda = 0.748, p < 0.001. CONCLUSION: The 6-CIT measures attention, temporal orientation and short-term memory and shows promise as a delirium screening test. This study suggests that it may also have potential in distinguishing the cognitive impairment of delirium from that of dementia in older patients. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».