Advances in the treatment of psychiatric disorders in long-term care homes
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Psychiatric disorders are common among older adults in long-term care (LTC) homes and the LTC population is rapidly growing in many countries. Treatment of psychiatric conditions in this population is challenging given the psychosocial environment and physical frailty of the population. This review highlights some important advances in pharmacological and nonpharmacological interventions in this setting. RECENT FINDINGS: There is some evidence to support the use of psychosocial interventions for behavioral symptoms, including those utilizing sensory interventions such as aromatherapy and calming music; behavioral management techniques; cognitive stimulation; physical activity; and staff training. There is also some evidence to support the use of psychotherapies such as reminiscence therapy and cognitive behavior therapy for depression. Recent literature on the pharmacological management of behavioral symptoms of dementia have included studies of the antipsychotic aripiprazole, prazosin, and medication-discontinuation trials along with two negative studies involving melatonin and oxcarbazepine. SUMMARY: The literature on psychosocial interventions for behavioral symptoms associated with dementia has been criticized for lack of vigor, but there is growing evidence from studies with improved methodology that these interventions may confer significant benefits, although the effect sizes are often small or moderate. More well designed trials of pharmacological therapies in the LTC population are also necessary.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».