Clinical characteristics associated with the onset of delirium among long-term nursing home residents
Notice bibliographique
Résumé
Abstract Background Nursing home residents are frail, have multiple medical comorbidities, and are at high risk for delirium. Most of the existing evidence base on delirium is derived from studies in the acute in-patient population. We examine the association between clinical characteristics and medication use with the incidence of delirium during the nursing home stay. Methods This is a retrospective cohort study of 1571 residents from 12 nursing homes operated by a single care provider in Ontario, Canada. Residents were over the age of 55 and admitted between February 2010 and December 2015 with no baseline delirium and a minimum stay of 180 days. Residents with moderate or worse cognitive impairment at baseline were excluded. The baseline and follow-up characteristics of residents were collected from the Resident Assessment Instrument-Minimal Data Set 2.0 completed at admission and repeated quarterly until death or discharge. Multivariate logistic regression was used to identify characteristics and medication use associated with the onset of delirium. Results The incidence of delirium was 40.4% over the nursing home stay (mean LOS: 32 months). A diagnosis of dementia (OR: 2.54, p < .001), the presence of pain (OR: 1.64, p < .001), and the use of antipsychotics (OR: 1.87, p < .001) were significantly associated with the onset of delirium. Compared to residents who did not develop delirium, residents who developed a delirium had a greater increase in the use of antipsychotics and antidepressants over the nursing home stay. Conclusions Dementia, the presence of pain, and the use of antipsychotics were associated with the onset of delirium. Pain monitoring and treatment may be important to decrease delirium in nursing homes. Future studies are necessary to examine the prescribing patterns in nursing homes and their association with 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,160 | 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 ».