Advancing specificity in delirium: The delirium subtyping initiative
Notice bibliographique
Résumé
BACKGROUND: Delirium, a common syndrome with heterogeneous etiologies and clinical presentations, is associated with poor long-term outcomes. Recording and analyzing all delirium equally could be hindering the field's understanding of pathophysiology and identification of targeted treatments. Current delirium subtyping methods reflect clinically evident features but likely do not account for underlying biology. METHODS: The Delirium Subtyping Initiative (DSI) held three sessions with an international panel of 25 experts. RESULTS: Meeting participants suggest further characterization of delirium features to complement the existing Diagnostic and Statistical Manual of Mental Disorders Fifth Edition Text Revision diagnostic criteria. These should span the range of delirium-spectrum syndromes and be measured consistently across studies. Clinical features should be recorded in conjunction with biospecimen collection, where feasible, in a standardized way, to determine temporal associations of biology coincident with clinical fluctuations. DISCUSSION: The DSI made recommendations spanning the breadth of delirium research including clinical features, study planning, data collection, and data analysis for characterization of candidate delirium subtypes. HIGHLIGHTS: Delirium features must be clearly defined, standardized, and operationalized. Large datasets incorporating both clinical and biomarker variables should be analyzed together. Delirium screening should incorporate communication and reasoning.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».