Delirium (PRE-DELIRIC) prediction model for intensive care patients, versio - Evidencio
Delirium (PRE-DELIRIC) prediction model for intensive care patients, version 1 (old)
The PRE-DELIRIC model version 1 allows for early prediction of delirium and initiation of preventive measures. In 2014, the model was recalibrated based on multicenter data, resulting in version 2 of the model.

We recommend using the recalibrated PRE-DELIRIC model (version 2) instead. 
Autori della ricerca: van den Boogaard M, Pickkers P, Slooter AJ, Kuiper MA, Spronk PE, van der Voorst PH, van der Hoeven JG, Donders R, van Achterberg T, and Schoonhoven L.
Versione: 1.39
  • Pubblico
  • Terapia intensiva
  • {{ modelType }}
  • Algoritmo
  • Dettagli
  • Convalidare
  • Salvare l'input
  • Ingresso di carico

  • {{ toolbarErrorMessage }}

Display
Unità

{{ section.title }}

{{ section.description }}

Calcolare il risultato

Impostare altri parametri per eseguire il calcolo

Risk of delirium in intensive care patient:

{{ resultSubheader }}
{{ $t('download_result_availability') }}
{{ chart.title }}
Intervallo di risultati {{ additionalResult.min }} a {{ additionalResult.max }}

Informazioni condizionali

Il tuo testo è stato modificato. Aggiorna il risultato. Aggiornare

How this model should be used: 
The PRE-DELIRIC model version 1 for intensive care patients consists of ten risk factors that are readily available within 24 hours afterintensive care admission and has a high predictive value. The model allows for early prediction of delirium and initiation of preventive measures. 

Recalibrated model available: 
In 2014, the PRE-DELIRIC model version 1 was recalibrated based on multicenter data, resulting in version 2 of the model. We recommend using the recalibrated model instead of version 1. 

Model performance: 
The AUROC was 0.87 (95% confidence interval 0.85 to 0.89) and 0.86 after bootstrapping. The AUROC for nurses' and physicians' predictions (n=124) was significantly lower at 0.59 (95% CI: 0.49 to 0.70) for both. Calibration of the model resulted in a calibration slope of 1.08 and an intercept of −0.06. In a multicenter validation performed in 2014 including 2852 intensive care patients, the mean AUROC of the eight participating centers was 0.77 (95% CI: 0.74 to 0.79). 

Source: 
van den Boogaard M, Pickkers P, Slooter AJ, et al. Development and validation of PRE-DELIRIC (PREdiction of DELIRium in ICu patients) delirium prediction model for intensive care patients: observational multicentre study. BMJ. 2012;344:e420.

{{ file.classification }}
PRO
Nota
Le note sono visibili solo nel download dei risultati e non vengono salvate da Evidencio.

Questo algoritmo viene fornito a scopo educativo, formativo e informativo. Non deve essere utilizzato a supporto di decisioni mediche o per fornire servizi medici o diagnostici. Leggete il nostro sito completo disclaimer.

Algoritmi sottostanti Parte di
Commenti
Commento
Inserisci un commento
I commenti sono visibili a chiunque

Feedback del algoritmo

Ancora nessun feedback 1 Commento {{ model.comments.length }} Commenti
Su {{ comment.created_at }} {{ comment.user.username }} un autore non più registrato ha scritto:
{{ comment.content }}
logo

Effettuare l'accesso per abilitare le funzionalità di stampa di Evidencio

Per utilizzare le funzioni di stampa di Evidencio, è necessario aver effettuato il login.
Se non si dispone di un account comunitario Evidencio, è possibile creare un account personale gratuito all'indirizzo:

https://www.evidencio.com/registration

Risultati stampati - Esempi 2026-07-16 12:21

Vantaggi del conto comunitario Evidencio

With an Evidencio Community account you can:

  • Create and publish your own prediction algorithms.
  • Share your prediction algorithms with your colleagues, research group, organization or the world.
  • Review and provide feedback on algorithms that have been shared with you.
  • Validate your algorithms and validate algorithms from other users.
  • Find algorithms based on Title, Keyword, Author, Institute, or MeSH classification.
  • Use and save prediction algorithms and their data.
  • Use patient specific protocols and guidelines based on sequential algorithms and decision trees.
  • Stay up-to-date with new algorithms in your field as they are published.
  • Create your own lists of favorite algorithms and topics.

A personal Evidencio account is free, with no strings attached!
Join us and help create clarity, transparency, and efficiency in the creation, validation, and use of medical prediction algorithms.

Esclusione di responsabilità: i calcoli da soli non dovrebbero mai dettare la cura del paziente e non sostituiscono il giudizio professionale.
Termini e condizioni Informativa sulla privacy Disclaimer Contatto Rifiuta i cookie
Evidencio v3.42 © 2015 - 2026 Evidencio. Tutti i diritti riservati