Delirium detection tools show varying completion rates and positive score rates when used at scale in routine practice in general hospital settings: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Multiple short delirium detection tools have been validated in research studies and implemented in routine care, but there has been little study of these tools in real-world conditions. This systematic review synthesized literature reporting completion rates and/or delirium positive score rates of detection tools in large clinical populations in general hospital settings. METHODS: PROSPERO (CRD42022385166). Medline, Embase, PsycINFO, CINAHL, and gray literature were searched from 1980 to December 31, 2022. Included studies or audit reports used a validated delirium detection tool performed directly with the patient as part of routine care in large clinical populations (n ≥ 1000) within a general acute hospital setting. Narrative synthesis was performed. RESULTS: Twenty-two research studies and four audit reports were included. Tools used alone or in combination were the Confusion Assessment Method (CAM), 4 'A's Test (4AT), Delirium Observation Screening Scale (DOSS), Brief CAM (bCAM), Nursing Delirium Screening Scale (NuDESC), and Intensive Care Delirium Screening Checklist (ICDSC). Populations and settings varied and tools were used at different stages and frequencies in the patient journey, including on admission only; inpatient, daily or more frequently; on admission and as inpatient; inpatient post-operatively. Tool completion rates ranged from 19% to 100%. Admission positive score rates ranged from: CAM 8%-51%; 4AT 13%-20%. Inpatient positive score rates ranged from: CAM 2%-20%, DOSS 6%-42%, and NuDESC 5-13%. Postoperative positive score rates were 21% and 28% (4AT). All but two studies had moderate-high risk of bias. CONCLUSIONS: This systematic review of delirium detection tool implementation in large acute patient populations found clinically important variability in tool completion rates, and in delirium positive score rates relative to expected delirium prevalence. This study highlights a need for greater reporting and analysis of relevant healthcare systems data. This is vital to advance understanding of effective delirium detection in routine care.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,002 |
| 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 ».