The consistent burden in published estimates of delirium occurrence in medical inpatients over four decades: a systematic review and meta-analysis study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Delirium is associated with a wide range of adverse patient safety outcomes, yet it remains consistently under-diagnosed. We undertook a systematic review of studies describing delirium in adult medical patients in secondary care. We investigated if changes in healthcare complexity were associated with trends in reported delirium over the last four decades. METHODS: We used identical criteria to a previous systematic review, only including studies using internationally accepted diagnostic criteria for delirium (the Diagnostic and Statistical Manual of Mental Disorders and the International Statistical Classification of Diseases). Estimates were pooled across studies using random effects meta-analysis, and we estimated temporal changes using meta-regression. We investigated publication bias with funnel plots. RESULTS: We identified 15 further studies to add to 18 studies from the original review. Overall delirium occurrence was 23% (95% CI 19-26%) (33 studies) though this varied according to diagnostic criteria used (highest in DSM-IV, lowest in DSM-5). There was no change from 1980 to 2019, nor was case-mix (average age of sample, proportion with dementia) different. Overall, risk of bias was moderate or low, though there was evidence of increasing publication bias over time. DISCUSSION: The incidence and prevalence of delirium in hospitals appears to be stable, though publication bias may have masked true changes. Nonetheless, delirium remains a challenging and urgent priority for clinical diagnosis and care pathways.
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.
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 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle