The prevalence of delirium in Belgian nursing homes: a cross-sectional evaluation
Notice bibliographique
Résumé
BACKGROUND: Delirium is a common geriatric syndrome, but only few studies have been done in nursing home residents. Therefore, the aim of this study was to investigate (point) prevalence of and risk factors for delirium in nursing homes in Belgium. METHODS: A multisite, cross-sectional study was conducted in six nursing homes in Belgium. Residents of six nursing homes were screened for delirium. Exclusion criteria were coma,'end-of-life' status and residing in a dementia ward. Delirium was assessed using the Delirium Observation Screening Scale. RESULTS: 338 of the 448 eligible residents were included in this study. Of the 338 residents who were evaluated, 14.2 % (95 %CI:3.94-4.81) screened positive for delirium with the Delirium Observation Screening Scale. The mean age was 84.7 years and 67.5 % were female. Taking antipsychotics (p = 0.009), having dementia (p = 0.005), pneumonia (p = 0.047) or Parkinson's disease (p = 0.03) were more present in residents with delirium. The residents were more frequently physically restrained (p = 0.001), participated less in activities (p = 0.04), had had more often a fall incident (p = 0.007), had lower levels of cognition (p < 0.001; MoCA ≥ 26, p = 0.04; MoCA ≥ 25, p = 0.008) and a higher "Activities of Daily Living" score (p = 0.001). In multivariable binary logistic regression analysis, a fall incident (2.76; 95 %CI: 1.24-6.14) and cognitive impairment (OR: 0.69; 95 %CI: 0.63-0.77) were significantly associated with delirium. CONCLUSIONS: Delirium is an important clinical problem affecting almost 15 % of the nursing home residents at a given moment. Screening of nursing home residents for risk factors and presence of delirium is important to prevent delirium if possible and to treat underlying causes when present.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».