Delirium assessment in postoperative patients: Validation of the Portuguese version of the Nursing Delirium Screening Scale in critical care
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The aim of this study was to validate the Portuguese version of the Nursing Delirium Screening Scale (Nu-DESC) for use in critical care settings. METHODS: We simultaneously and independently evaluated all postoperative patients admitted to a surgical Intensive Care Unit (SICU) over a 1-month period for delirium, using the Portuguese versions of both the Nu-DESC and the Intensive Care Delirium Screening Checklist (ICDSC) within 24 hours of admission by both the research staff physician and one bedside nurse. We determined the diagnostic accuracy of the Nu-DESC using sensitivity, specificity and ROC curve analyses. We assessed reliability between nurses and the research staff physician for Nu-DESC by intraclass correlation coefficient (ICC). We assessed agreement and reliability between Nu-DESC and ICDSC by overall and specific proportions of agreement and by kappa statistics. RESULTS: Based on the ICDSC, we diagnosed delirium in 12 of the 78 patients. Reliability between nurses and the staff physician for total Nu-DESC score was high. Agreement between nurses and staff physician in the delirium diagnosis was perfect. The proportion of overall agreement between Nu-DESC and ICDSC in the delirium diagnosis was 0.88 and the kappa ranged from 0.79 to 0.93. Nu-DESC Sensitivity was 100 and specificity was 86%. CONCLUSIONS: The Portuguese version of the Nu-DESC appears to be an accurate and reliable assessment and monitoring instrument for delirium in critical care settings.
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 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».