MANAGING DISRUPTIVE BEHAVIORS WITH NEUROLEPTICS: Treatment Options for Older Adults in Nursing Homes
Notice bibliographique
Résumé
Disruptive behaviors are frequent among elderly individuals in long-term care centers. Neuroleptics remain the most common pharmacological treatment for controlling these challenging behavioral manifestations. However, their effectiveness is a subject of controversy and it is unclear what specific behaviors are more likely to be managed with neuroleptic medications. The objective of this study was to identify the types of disruptive behaviors for which neuroleptics are given to elderly individuals in long-term care facilities and determine if the frequency of these behaviors increases the risk of being prescribed neuroleptics. A cross-sectional study was conducted with 2,332 participants ages 65 or older living in 28 long-term care facilities. Among them, 27.8% had taken at least one neuroleptic drug in the prior week. The administration of neuroleptics was not linked to the presence of any one specific disruptive behavior. However, a significant finding was that the greater the frequency of disruptive behavior exhibited by an elderly individual, the greater the risk of them being administered a neuroleptic medication. A multi-dimensional approach to the assessment of disruptive behaviors is recommended to facilitate the identification of the underlying causes of those behaviors. Accordingly, it is suggested that non-pharmacological treatment plans be adapted to each situation and then implemented to potentially reduce the use of neuroleptics.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».