Nursing perspectives on the confusion assessment method: a qualitative focus group study
Notice bibliographique
Résumé
Background: the Confusion Assessment Method (CAM) is commonly used to detect delirium. Although accurate when administered by trained researchers, its sensitivity is low when performed by nurses in clinical practice. We aimed to understand the perspectives of nurses who used the CAM on orthopaedic wards. Design: qualitative focus group study. Setting: two academic hospitals in Hamilton, Ontario, Canada. Participants: forty-three nurses who worked on orthopaedic inpatient units and used the CAM daily participated in one of eight focus group sessions. Measurements: structured focus groups explored nurses' perception of delirium and the use of the CAM. Each transcript was coded and sampling continued until theme saturation. Results: the participants (84% female, mean age 40 years, mean years in practice 12.8) had mixed feelings about the CAM. Some nurses praised its simplicity, while others preferred a narrative description of the delirium episode. Only 35% recalled receiving training to administer the CAM. Across the groups, disorientation was inappropriately used to evaluate level of consciousness and inattention. Objective testing was reportedly rarely used for assessing inattention. Most nurses retrospectively completed the CAM at the end of their shift by extrapolating from earlier observations rather than formally administering the tool. Reported challenges included differentiating delirium from dementia, assessing non-verbal patients and those with language barriers, time constraints, discrepancy with physicians' assessments and pressure to diagnose delirium. Conclusion: despite its widespread use, the CAM was poorly understood by orthopaedic nurses at two academic institutions. The CAM may be difficult to implement in practice.
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 | 0,001 | 0,001 |
| 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 ».