Melatonin for delirium prevention in acute medically ill, and perioperative geriatric patients
Notice bibliographique
Résumé
Delirium is a challenging neuropsychiatric ailment that has a negative impact on morbidity and mortality and is difficult to treat once it has developed. The purpose of this review was to analyze the efficacy of melatonin in the prevention of delirium in hospitalized geriatric patients in the acute medically ill and perioperative wards. The databases searched included PubMed (1946 to February 12, 2020), CINAHL (1982 to February 12, 2020), EMBASE (1974 to February 12, 2020), and Web of Science (1900 to February 12, 2020) using search terms related to melatonin, delirium, and prevention. Meta-analyses, randomized controlled trials, and observational studies were included. We excluded publications pertaining to the intensive care unit or oncology, case reports/series, and those not in English. Seven full-text publications were included for qualitative analysis. Patient comorbidities, patient medications, melatonin dosing, dosing regimens, and duration of treatment varied between the studies, which yielded heterogeneous results. Overall, this literature review yielded four studies that showed positive results and three that showed negative results for delirium prevention. The current data for the use of melatonin in delirium is conflicting. This area requires further research of more homogeneous studies with larger sample sizes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».