MétaCan
Menu
Retour à la cohorte
Enregistrement W2807158197 · doi:10.1097/nur.0000000000000384

Pathophysiology Review

2018· review· en· W2807158197 sur OpenAlexaff
Malissa Mulkey, Sonya R. Hardin, DaiWai M. Olson, Cindy L. Munro

Notice bibliographique

RevueClinical Nurse Specialist · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensStuart Olson (Canada)
Organismes subventionnairesnon disponible
Mots-clésDeliriumNeurotransmitter systemsPathophysiologyMedicineIntensive care medicineIntensive care unitCognitionNeurotransmitterStressorCognitive impairmentPsychiatryPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Delirium affects 70% to 80% of intensive care unit patients and is associated with a 10-fold increase in rates of cognitive impairment at discharge and a 3-fold increase in mortality rates. Estimated costs are $152 billion in Medicare charges annually, 17.5 million inpatient days, and 30-day postdischarge costs of $238 726 per patient. Delirium is an acute disorder of attention and global cognitive function characterized by fluctuating symptoms occurring in the face of an underlying organic cause. As patients adapt to physiological stressors, neurotransmitter changes lead to electroencephalogram pattern changes. The ability to compensate for the chemical (neurotransmitter) imbalances is surpassed, causing the behavioral symptomatology we know as delirium. This article seeks to describe the pathophysiology behind the behavior core to the prevention and management of delirium.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,039
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,011

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,485
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Nurse SpecialistMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207