MétaCan
Menu
Retour à la cohorte
Enregistrement W2967333341 · doi:10.1136/gutjnl-2018-bsgabstracts.228

PWE-086 Improving identification and management of alcohol-related brain injury (ARBI) in acute care settings

2018· article· en· W2967333341 sur OpenAlexaboutno aff
Paul Richardson, Andrew Thompson, Cecil Kullu, Fiona Ogdan-Forde, David J. Byrne, Kev Patterson, Lynn Owens

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disorders and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical emergencyEmergency medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Introduction Alcohol Related Brain Injury (ARBI) is a hidden harm in drinkers. The most commonly used clinical definition is given in DSM IV, however this has been shown to be vague and subjective with poor utility in acute care settings. Estimates of prevalence have been reported at 0.03% per 3 00 000 however, as no routine, standardised algorithm for assessment of ARBI exists; this is most likely an underestimate. A systematic review of brain injury confirmed neurodegenerative changes in heavy drinkers, but importantly also highlighted the potential for reversibility of these changes with sustained abstinence. Therefore, recognition of ARBI at the earliest opportunity has the potential to facilitate the implementation of comprehensive care pathways that optimise medical and psychosocial care, and prevent the cycle of readmissions for increasingly complex physical and psychological harms. Methods In April 2017 we implemented an innovative clinical pathway. Patients meeting risk criteria based on number of previous admissions or carers concerns had an automatic referral to a specialist nurse for assessment utilising the Montreal Cognitive Assessment tool (MoCA©). A score of <23 was considered positive for potential ARBI. This triggered initiation of our ARBI care pathway and a referral to a psychiatrist for confirmation of diagnosis. We performed a 3 month follow-up descriptive evaluation. Results Over an period of 8 months (April to Nov 2017) 163 patients met criteria for screening; 118 males and 45 females, mean age=52 years (SD=11); range 26–80 years. 60 scored ≤23 (36.8%) of which 35 (58.3%) had a confirmed diagnosis of ARBI from a psychiatrist. At 3 months 22 patients had received follow-up. Compared with baseline MoCA scores were significantly higher (improved); mean difference=3.7 (95%CI: 1.2 to 6.3; p=0.07), mean hospital attendance was reduced from 3.2 to 1.9, and mean admissions were reduced from 1.8 to 1.1. Results from family reported outcome measures (FROMS) has highlighted several outcomes that our patient families found most valuable; a) receiving an assessment to confirm or reject the presence of ARBI, b) helping them understand their loved ones condition c) helping them plan for the future. Conclusions We have demonstrated potential benefits of this point-of-care screening which can facilitate the initiation of referral and treatment pathways which can improve patient outcomes. Our Results are descriptive, but may contribute to the design of clinical trials that are needed to determine utility, acceptability and validity of our Methods and the MoCA as a screening instrument in this setting.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,005

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 Opus0,016
Tête enseignante GPT0,284
Écart entre enseignants0,268 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeurological Disorders and TreatmentsTravaux en français237 207