MétaCan
Menu
Retour à la cohorte
Enregistrement W2111919546 · doi:10.1136/bcr-2012-007213

Efficacy and cost of micronutrient treatment of childhood psychosis

2012· article· en· W2111919546 sur OpenAlexaff
Megan Rodway, Annette Vance, Amany Watters, Helen Lee, Elske Bos, Bonnie J. Kaplan

Notice bibliographique

RevueBMJ Case Reports · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueChild Nutrition and Feeding Issues
Établissements canadiensSTART ClinicUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMicronutrientPsychosisMedicineAnxietyPsychiatryMental healthMoodAdverse effectMicronutrient deficiencyPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Psychosis is difficult to treat effectively with conventional pharmaceuticals, many of which have adverse long-term health consequences. In contrast, there are promising reports from several research groups of micronutrient treatment (vitamins, minerals, amino acids and essential fatty acids) of mood, anxiety and psychosis symptoms using a complex formula that appears to be safe and tolerable. We review previous studies using this formula to treat mental symptoms, and present an 11-year-old boy with a 3-year history of mental illness whose parents chose to transition him from medication to micronutrients. Symptom severity was monitored in three clusters: anxiety, obsessive compulsive disorder and psychosis. Complete remission of psychosis occurred, and severity of anxiety and obsessional symptoms decreased significantly (p<0.001); the improvements are sustained at 4-year follow-up. A cost comparison revealed that micronutrient treatment was <1% of his inpatient mental healthcare. Additional research on broad-spectrum micronutrient treatment is warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,345
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Case ReportsMême sujetChild Nutrition and Feeding IssuesTravaux en français237 207