Validation of the Malay 3-Minute Diagnostic Interview for Confusion Assessment Method in a surgical population
Notice bibliographique
Résumé
Background: Delirium is a common postoperative complication among elderly which can be easily missed and leads to poorer outcomes. The 3-Minute Diagnostic Assessment for Confusion Assessment Method (3D-CAM) is a short and structured tool to assess delirium by healthcare staff with minimal training. This study aimed to validate the translated Malay 3D-CAM (M3D-CAM) in postoperative surgical patients. Methods: In this prospective diagnostic study, 3D-CAM was translated into Malay and two assessors (1 and 2) independently interviewed surgical patients above 65 years old with M3D-CAM on postoperative day one. A psychiatrist diagnosed postoperative delirium according to the Diagnostic and Statistical Manual of Mental Disorders 5th Edition (DSM-5) as the reference standard. The sequence of examinations was done randomly with all results blinded to each other and the diagnostic characteristics of M3D-CAM analysed with k coefficient used to evaluate reliability. Results: A total of 427 patients were screened, 111 recruited with a final 100 paired interviews completed. Their mean age was 72 (± 6) years old. Two-thirds of patients were proficient in Malay and English, therefore assessed in both 3D-CAM and M3D-CAM. Delirium was identified in 11% and 12% of patients by assessors 1 and 2 respectively while compared to DSM-5, M3D-CAM had 80% and 90% sensitivity with 96.7% and 97.7% specificity. M3D-CAM had excellent inter-rater reliability (85%), substantial parallel reliability (70%) and features 1 and 3 with substantial parallel agreement (p <0.001). Conclusion: This study demonstrated that M3D-CAM is reliable and valid for delirium assessment in the postoperative 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 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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».