MétaCan
Menu
Retour à la cohorte
Enregistrement W4416586874 · doi:10.1016/j.eclinm.2025.103641

Prevalence of cognitive morbidity including delirium in 51,202 emergency hospital admissions across 29 medical and surgical specialties in ORCHARD-EPR: a cross-sectional study

2025· article· en· W4416586874 sur OpenAlexfundaboutno aff
Emily Boucher, S C L Smith, Sudhir Singh, Sasha Shepperd, Sarah T. Pendlebury

Notice bibliographique

RevueEClinicalMedicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensnon disponible
Organismes subventionnairesInvention for InnovationNIHR Oxford Biomedical Research CentreRhodes ScholarshipsNational Institute for Health and Care ResearchCanadian Institutes of Health ResearchNuffield Department of Population Health, University of Oxford
Mots-clésDeliriumCognitionMEDLINEHospital admissionCognitive impairmentEmergency medical services

Résumé

récupéré en direct d'OpenAlex

Background: Older people account for a growing proportion of unplanned hospital admissions and many have complex conditions. However, there are few data on cognitive morbidity (delirium, dementia and low cognitive test score) by specialty to plan services and guide policy. We therefore determined the occurrence of cognitive morbidity hospital-wide in older hospital patients using electronic patient record (EPR) data. Methods: The Oxford and Reading Cognitive Comorbidity, Frailty and Ageing Research Database (ORCHARD-EPR) includes data on consecutive patients aged ≥70 years with length of stay of ≥1 day (1st January 2017-31st December 2019) admitted to four hospitals covering Oxfordshire, UK. ORCHARD-EPR includes information from a mandatory on-admission cognitive screen comprising the 10-point Abbreviated Mental Test (AMT), dementia history and documentation of delirium where delirium diagnosis is based on a holistic assessment incorporating the AMT, Confusion Assessment Method (CAM) and clinical notes. Delirium and dementia diagnosis from the cognitive screen was supplemented by discharge ICD-10 coding. Prevalence of cognitive morbidity was determined hospital-wide and then by specialty. Findings: Among 51,202 admissions (mean/SD age = 82/7 years), any cognitive morbidity was present in 18,225 (35.6%, 95% CI 35.2-36.0%): delirium occurred in 24.0% (n = 12,289, of which 14.3% (n = 7332) had delirium only and 9.7% (n = 4957) had delirium + dementia) dementia only in 8.7%, (n = 4450), AMTS <8 in 2.9% (n = 1486). The prevalence of cognitive morbidity was highest in geriatrics (44.5%; n = 134/301), general medicine (42.8%; n = 14,346/33,512), trauma/orthopaedics (36.4%; n = 1337/3673), palliative care (36.0%; n = 128/356), stroke (30.8%; n = 144/468), infectious disease (27.6%; n = 42/152), neurosurgery (22.9%; n = 161/702) and general surgery (21.5%; n = 822/3819) and was 10-20% in all other specialties except two. Delirium was the most prevalent cognitive morbidity subtype in 24/29 specialties. Interpretation: Cognitive morbidity was common in older people with unplanned hospital admission across a broad range of specialties, with delirium accounting for most cases. Findings support the need for hospital-wide delirium screening and access to multidisciplinary team input for all specialties. Funding: Rhodes Trust, Canadian Institutes of Health Research, National Institutes for Health Research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,152
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,152
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,453
Écart entre enseignants0,393 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207