Contenção mecânica e delirium em idosos na UTI: uma revisão de escopo
Bibliographic record
Abstract
Objetivo: Mapear as evidências da associação entre a contenção mecânica e o delirium em idosos internados em Unidades de Terapia Intensiva (UTIs). Métodos: Trata-se de uma revisão de escopo que seguiu as diretrizes propostas pelo Joanna Briggs Institute (JBI). Onde foram utilizados os descritores: "Unidade de Terapia Intensiva", "Delirium", "Idoso" e "Restrição Física", assim como seus sinônimos em inglês e espanhol, nas bases de dados National Library of Medicine's (PubMedⓇ), SCOPUS e Cumulative Index to Nursing and Allied Health Literature (CINAHLⓇ). Resultados: A amostra final foi composta por 11 manuscritos, onde evidenciaram que a temática é uma preocupação recente e global. A quase totalidade dos estudos foram longitudinais ou transversais, com descrição das medidas de incidência e prevalência do delirium na UTI e seus respectivos fatores de risco, como por exemplo a contenção mecânica. Considerações finais: As evidências apontam uma correlação importante entre a mobilidade física prejudicada, o uso da contenção mecânica e o desenvolvimento de quadros de delirium. No entanto essas correlações necessitam de mais investigações, principalmente se a contenção mecânica, enquanto variável preditora, é causalidade para o desenvolvimento do delirium.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.020 | 0.022 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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 source (direct Gemma or distilled Codex), 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".