Assessing Recovery from Delirium: An International Survey of Healthcare Professionals Involved in Delirium Care.
Notice bibliographique
Résumé
Background: A crucial part of delirium care is determining if the delirium episode has resolved. Yet, there is no clear evidence or consensus on which assessments clinicians should use to assess for delirium recovery. Objective: To evaluate current opinions from delirium specialists on assessment of delirium recovery. Design: Online questionnaire-based survey distributed internationally to healthcare professionals involved in delirium care. Methods: The survey covered methods for assessing recovery, the importance of different symptom domains for capturing recovery, and local guidance or pathways that recommend monitoring for delirium recovery. Results: Responses from 199 clinicians were collected. Respondents were from the UK (51%), US (13%), Australia (9%), Canada (7%), Ireland (7%) and 16 other countries. Most respondents were doctors (52%) and nurses (27%). Clinicians worked mostly in geriatrics (52%), ICUs (21%) and acute assessment units (17%). Ninety-four percent of respondents indicated that they conduct repeat delirium assessments (i.e., on ≥2 occasions) to monitor delirium recovery. The symptom domains considered most important for capturing recovery were: arousal (92%), inattention (84%), motor disturbance (84%), and hallucinations and delusions (83%). The most used tool for assessing recovery was the 4 'A's Test (4AT, 51%), followed by the Confusion Assessment Method (CAM, 26%), the CAM for the ICU (CAM-ICU, 17%) and the Single Question in Delirium (SQiD, 11%). Twenty-eight percent used clinical features only. Less than half (45%) of clinicians reported having local guidance that recommends monitoring for delirium recovery. Conclusions: The survey results suggest a lack of standardisation regarding tools and methods used for repeat delirium assessment, despite consensus surrounding the key domains for capturing delirium recovery. These findings emphasise the need for further research to establish best practice for assessing delirium recovery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».