Misdiagnosing Urinary Tract Infections as Delirium in Older Adults: A Systemic Review of Evidence from Ireland and the UK
Notice bibliographique
Résumé
Abstract Background Delirium is a common, serious, and often under-recognized condition in older adults. Misdiagnosis as urinary tract infection (UTI) is widespread, particularly in institutional care settings, leading to inappropriate antibiotic use and poorer health outcomes. Methods A systematic review was conducted according to PRISMA guidelines. Literature searches were done using the PubMed, EMBASE, Cochrane, and HSE Library databases, focusing on studies published between 2015 and 2025. The inclusion criteria were studies that assessed the diagnosis of urinary tract infections (UTIs) in adults aged 65 and older with delirium, conducted in Ireland or the UK, and reported clinical outcomes. Data extraction concentrated on study design, sample size, care setting, diagnostic tools use, and misdiagnosis rates. The quality of the studies was evaluated using the Newcastle-Ottawa Scale (NOS). A meta-analysis was carried out using a random-effects model in RevMan 5.4. Results The misdiagnosis rate of UTIs in older adults with delirium was 36% (95% CI: 29–42%), with over one-third of delirium cases wrongly attributed to UTIs. Long-term care facilities had the highest misdiagnosis rate at 42%, followed by emergency departments at 35% and hospital wards at 28%. About 65% of misdiagnosed cases relied solely on positive dipstick results, causing frequent false positives. Only 40% of cases utilized standardized delirium screening tools. Empiric antibiotic therapy was prescribed in 37% of misdiagnosed cases without confirmatory urine cultures, raising concerns about antimicrobial overuse and associated risks such as adverse drug reactions and resistant infections. Conclusion UTI misdiagnosis remains a major barrier to accurate delirium management in older adults. Our findings target urgent policy action to standardize delirium screening, restrict inappropriate antibiotic use, and train healthcare staff. Embedding tools like 4AT in EMR, enhancing clinical governance through audits, and aligning with HSE/NICE antimicrobial guidelines could reduce diagnostic error and improve outcomes in geriatric population.
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 | 0,016 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,026 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».