Risk factors and outcomes of delirium in hospitalized older adults with COVID-19: A systematic review and meta-analysis
Notice bibliographique
Résumé
Older adults with COVID-19 are more likely to present with atypical symptoms, notably delirium. The main objective of this meta-analysis is to identify risk factors for delirium and outcomes of delirium in hospitalized older adults (65 years or above) with COVID-19. Comprehensive literature search of Embase, CINAHIL, Medline and Web of Science was performed for published literature until 31st August 2021. Two independent researchers evaluated study eligibility and assessed study quality using the Newcastle Ottawa Scale (NOS) for cohort studies and Joanna Briggs Institute (JBI) critical appraisal tools for case series. The association of various predisposing factors with delirium in this cohort was reported as odds ratio (OR) and its 95% confidence interval (CI). A total of 31 studies from 11 countries were included in this review. Most of the included studies investigated patients from non-ICU settings (n = 24; 77.4%). Frailty (OR 3.52, 95% CI: 1.96–6.31, p<0.0001, I2=71.63%), cognitive impairment including dementia (OR 6.17, 95% CI: 2.92–13.07, p<0.00001, I2=88.63%) and being nursing home residents (OR 1.72, 95% CI: 1.31–2.24, p<0.0001, I2=0) were significantly associated with increased likelihood of developing delirium in older adults with COVID-19. The presence of delirium also significantly increases mortality risk in hospitalized older adults with COVID-19 (OR 2.51, 95% CI: 1.51–4.17, p<0.0001, I2=89.3%). Our review identifies key factors associated with increased risk of developing delirium in hospitalized older adults with COVID-19. Identification of patients at risk of delirium and attention to these factors early during admission may improve outcomes for this vulnerable cohort.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».