Delirium diagnostic 2012 to 2021, contribution of CAM and clinical nurses of the geriatric consultation team in CIUSSS de l’Estrie‐CHUS
Notice bibliographique
Résumé
Abstract Background To evaluate the evolution of diagnostic of delirium following the introduction of CAM as a geriatric vital sign as part of The Specialized Approach to Senior Care (l’approche adaptée à la personne âgée, AAPA) in University Hospital CIUSSS de l’Estrie‐CHUS in 2014. Method Training on CAM and delirium was given in 2014. The nurses of the geriatric consultation team make recommendations/coaching to the treating teams during geriatric consultations. We analyze ICD‐10 data from > 65‐year‐olds hospitalized at the CHUS before (2012) and after (2016). A criteria base analysis of the files with diagnosis of delirium on the discharge letter or a geriatric consultation of November 2016 describes the considerations related to delirium. Result Of the 32,000 hospitalizations at CHUS in 2016, 13,000 are over 65 years old and 1296 have a geriatric consultation. 2.2% in 2012 to 2.7% in 2016 had delirium according to the exit letter. That is 3% of 65‐75 year olds and 8% of those over 75. 102 consecutive files of geriatric nursing consultations from November 2016 are reviewed. 63 new diagnoses of delirium with an average of 3 recommendations from the AAPA to the treatment team. Conclusion Delirium remains under‐documented at release and improves little from 2012 to 2021. The modalities of use of the current tools remain insensitive. The support of geriatric consultation teams remains necessary to support the development of AAPA against delirium.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».