Avaliação do delírio em pacientes pós-operatórios: validação da versão portuguesa da Nursing Delirium Screening Scale na terapia intensiva
Bibliographic record
Abstract
O objetivo desse estudo foi validar a versão portuguesa da escala Nursing Delirium Screening Scale (Nu-DESC) para uso em anbientes de terapia intensiva. Simultânea e independentemente, avaliamos para ocorrência de delírio todos os pacientes pós-operatórios internados em uma Unidade de Terapia Intensiva Cirúrgica (UTIC) ao longo de um período de um mês, utilizando as versões portuguesas de Nu-DESC e da escala In- tensive Care Delirium Screening Checklist (ICDSC) dentro de 24 horas a contar da internação, tanto pelo médico da equipe de pesquisa como pelo enfermeiro diretamente encarregado do paciente. Determinamos a acurácia diagnóstica de Nu-DESC utilizando análises de sensibilida- de, especificidade e da curva ROC. Avaliamos a confiabilidade entre enfermeiros/médico da equipe de pesquisa para Nu-DESC pelo coeficiente de correlação intraclasse (CCI). Avaliamos concordância e confiabilidade entre Nu-DESC e ICDSC por percentuais globais e específicos de concordância, e por estatística kappa. Com base na escala ICDSC, diagnosticamos delírio em 12 dos 78 pacientes. Para o escore Nu-DESC total, consideramos como alta a confiabilidade entre enfermeiros/médico da equipe. Quanto ao diagnóstico, consideramos perfeita a concordância entre enfermeiros e médico da equipe. O percentual de concordância global entre Nu-DESC e ICDSC para o diag- nóstico de delírio foi 0,88, e kappa variou de 0,79 a 0,93. A sensibilidade da escala Nu-DESC foi 100%, e a especificidade, 86%. A versão portuguesa da escala Nu-DESC parece ser instrumento de avaliação e monitoramento acurado e confiável para o diagnóstico de delírio em ambientes de terapia intensiva.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".