Incidence and predictors of postoperative delirium in the older acute care surgery population: a prospective study
Notice bibliographique
Résumé
Background: Among older inpatients, the highest incidence of delirium is within the surgical population. Limited data are available regarding postoperative delirium risk in the acute care surgical population. The purpose of our study was to establish the incidence of and risk factors for delirium in an older acute care surgery population. Methods: Patients aged 65 years or more who had undergone acute care surgery between April 2014 and September 2015 at 2 university-affiliated hospitals in Alberta were followed prospectively and screened for delirium by means of a validated chart review method. Delirium duration was recorded. We used separate multivariable logistic regression models to identify independent predictors for overall delirium and longer episodes of delirium (duration ≥ 48 h). Results: Of the 322 patients included, 73 (22.7%) were identified as having experienced delirium, with 49 (15.2%) experiencing longer episodes of delirium. Postoperative delirium risk factors included Foley catheter use, intestinal surgery, gallbladder surgery, appendix surgery, intensive care unit (ICU) admission and mild to moderate frailty. Risk factors for prolonged postoperative delirium included Foley catheter use and mild to moderate frailty. Surgical approach (open v. laparoscopic) and overall operative time were not found to be significant. Conclusion: In keeping with the literature, our study identified Foley catheter use, frailty and ICU admission as risk factors for delirium in older acute care surgical patients. We also identified an association between delirium risk and the specific surgical procedure performed. Understanding these risk factors can assist in prevention and directed interventions for this high-risk population.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».