Models for Predicting Incident Delirium in Hospitalized Older Adults: A Systematic Review
Notice bibliographique
Résumé
Background: Delirium is common in hospitalized older adults, and 40% of cases may be preventable. Hospital Elder Life Program is an evidence-based program to reduce incidence of delirium. It has been successfully implemented in one hospital and will be implemented in four other hospitals. Identification of patients at highest risk of developing delirium using the electronic health record (EHR) may be an effective targeted strategy to reduce the incidence of delirium. Purpose: To systematically review and summarize the medical literature regarding risk prediction models for delirium in older inpatients. Methods: A medical librarian customized and conducted the search strategy for all published medical articles on delirium prediction models. Electronic databases sourced included Ovid MEDLINE, CINAHL, Cochrane Database of Systematic Reviews, EMBASE and PsycINFO. Controlled vocabulary terms specific to database as well as relevant keywords were used, including variants of delirium, altered mental status, acute confusional state, acute brain syndrome, acute brain failure, metabolic encephalopathy, predict, predictive, prediction, models, modeling, scores, scoring, tests, testing, rules, index and indices. The bibliographies of included studies were examined, and no additional articles were referenced. Results: To appropriately extract data from the 12 studies meeting inclusion criteria, the following parameters were used: study description, study population, delirium assessment method, incidence of delirium, and risk factors for delirium. Quality for cohort studies was assessed using Newcastle-Ottawa Quality Assessment Scale ranging from 1 to 9 (1 = poor quality, 9 = high quality). Overall incidence of delirium in the studies ranged from 4% to 26%. Most common risk factors for delirium were dementia, decreased functional status, blood urea nitrogen to creatinine ratio, infection and severe illness. Other variables less common were alcohol, malignancy, history of delirium, older age, medications, physical restraints, malnutrition, admitted from other than home and an iatrogenic event. The quality of studies ranged from 4 to 8. Conclusion: This systematic review summarizes the medical literature on risk prediction models for delirium in hospitalized older patients. We will use this information to develop an EHR-generated delirium risk prediction model to be used by the Hospital Elder Life Program to reduce delirium incidence.
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 | 0,005 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 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 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 ».