Reporting of outcomes and measures in studies of interventions to prevent and/or treat delirium in older adults resident in long-term care: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: to inform development of a core outcome set, we evaluated outcomes, definitions, measures and measurement time points in clinical trials of interventions to prevent and/or treat delirium in older adults resident in long-term care (LTC). DATA SOURCES: we searched electronic databases, systematic review repositories and trial registries (1980 to 10 December 2021). STUDY SELECTION AND DATA EXTRACTION: we included randomised, quasi-randomised and non-randomised intervention studies. We extracted data on study characteristics, outcomes and measurement features. We assessed outcome reporting quality using the MOMENT study scoring system. We categorised outcomes using the Core Outcome Measures in Effectiveness Trials taxonomy. DATA SYNTHESIS: we identified 18 studies recruiting 5,639 participants. All evaluated non-pharmacological interventions; most (16 studies, 89%) addressed delirium prevention. We identified 12 delirium-specific outcomes (mean [SD] 2.4 [1.5] per study), of which delirium incidence (14 studies, 78%) and severity (6 studies, 33%) were most common. We found heterogeneity in description of outcomes and measurement time points. The Confusion Assessment Method (three versions) was the most common measure used to ascertain delirium incidence (7 of 14 studies, 50%). We identified 25 non-delirium specific outcomes (mean [SD] 4.0 [2.3] per study), with hospital admission the most commonly reported (9 studies, 50%). CONCLUSIONS: we identified few studies of interventions for the prevention or treatment of delirium in older adults resident in LTC. These studies were heterogeneous in the outcomes reported and measures used. These data inform the consensus-building stage of a core outcome set.
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 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 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 ».