External Validation of Two Models to Predict Delirium in Critically Ill Adults Using Either the Confusion Assessment Method-ICU or the Intensive Care Delirium Screening Checklist for Delirium Assessment
Notice bibliographique
Résumé
OBJECTIVES: To externally validate two delirium prediction models (early prediction model for ICU delirium and recalibrated prediction model for ICU delirium) using either the Confusion Assessment Method-ICU or the Intensive Care Delirium Screening Checklist for delirium assessment. DESIGN: Prospective, multinational cohort study. SETTING: Eleven ICUs from seven countries in three continents. PATIENTS: Consecutive, delirium-free adults admitted to the ICU for greater than or equal to 6 hours in whom delirium could be reliably assessed. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: The predictors included in each model were collected at the time of ICU admission (early prediction model for ICU delirium) or within 24 hours of ICU admission (recalibrated prediction model for ICU delirium). Delirium was assessed using the Confusion Assessment Method-ICU or the Intensive Care Delirium Screening Checklist. Discrimination was determined using the area under the receiver operating characteristic curve. The predictive performance was determined for the Confusion Assessment Method-ICU and Intensive Care Delirium Screening Checklist cohort, and compared with both prediction models' original reported performance. A total of 1,286 Confusion Assessment Method-ICU-assessed patients and 892 Intensive Care Delirium Screening Checklist-assessed patients were included. Compared with the area under the receiver operating characteristic curve of 0.75 (95% CI, 0.71-0.79) in the original study, the area under the receiver operating characteristic curve of the early prediction model for ICU delirium was 0.67 (95% CI, 0.64-0.71) for delirium as assessed using the Confusion Assessment Method-ICU and 0.70 (95% CI, 0.66-0.74) using the Intensive Care Delirium Screening Checklist. Compared with the original area under the receiver operating characteristic curve of 0.77 (95% CI, 0.74-0.79), the area under the receiver operating characteristic curve of the recalibrated prediction model for ICU delirium was 0.75 (95% CI, 0.72-0.78) for assessing delirium using the Confusion Assessment Method-ICU and 0.71 (95% CI, 0.67-0.75) using the Intensive Care Delirium Screening Checklist. CONCLUSIONS: Both the early prediction model for ICU delirium and recalibrated prediction model for ICU delirium are externally validated using either the Confusion Assessment Method-ICU or the Intensive Care Delirium Screening Checklist for delirium assessment. Per delirium prediction model, both assessment tools showed a similar moderate-to-good statistical performance. These results support the use of either the early prediction model for ICU delirium or recalibrated prediction model for ICU delirium in ICUs around the world regardless of whether delirium is evaluated with the Confusion Assessment Method-ICU or Intensive Care Delirium Screening Checklist.
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».