Effectiveness of an intensive care unit family education intervention on delirium knowledge: a pre-test post-test quasi-experimental study
Notice bibliographique
Résumé
PURPOSE: To create, validate, and refine an intensive care unit (ICU) delirium education intervention to prepare family members to partner with the ICU care team to detect delirium symptoms and prevent and manage delirium using nonpharmacological strategies. METHODS: In this pre-test post-test quasi-experimental study, consecutive eligible family members of critically ill patients admitted to an ICU completed an ICU Family Education Delirium intervention in two parts: 1) six-minute video on ICU delirium (risk factors, prevention/management, symptoms, communication with the ICU care team), and 2) two case vignettes to practice detecting delirium using family-administered delirium detection questionnaires (Family Confusion Assessment Method [FAM-CAM] and Sour Seven). Family members' delirium knowledge was measured before, immediately after, and two weeks following the intervention using the Caregiver ICU Delirium Knowledge Questionnaire (CIDKQ). RESULTS: Of 99 family members recruited over eight months, 81 (82%) completed the intervention and 63 (63/81, 78%) completed all follow-up questionnaires. Family members' delirium knowledge improved significantly following the intervention (pre-CIDKQ, 14; 95% confidence interval [CI], 13 to 15; post-CIDKQ, 17; 95% CI, 16 to 17; P < 0.001) and was retained two weeks after the intervention (CIDKQ 16; 95% CI, 16 to 17; P < 0.001). This included increased knowledge regarding delirium risk factors (e.g., medication, mechanical ventilation), prevention/management (e.g., orientation, day/night routine), and symptoms of delirium. More family members correctly detected delirium symptoms in case vignettes using the Sour Seven (92%) compared with the FAM-CAM (78%). CONCLUSIONS: A video-based ICU delirium education intervention is effective in educating family members about prevention, detection, and management of delirium.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».