Reviewing CATIE for clinicians:balancing benefit and risk using evidence-based medicine tools
Notice bibliographique
Résumé
BACKGROUND: In order to learn from the Clinical Antipsychotic Trials of Intervention Effectiveness (CATIE) schizophrenia study and apply its results to day-to-day clinical practice, it would be useful to quantify the benefits and risks of the studied antipsychotics. SCOPE: Reviewing the CATIE results from the perspective of evidence-based medicine metrics of attributable risk (AR), number needed to treat (NNT), number needed to harm (NNH), and likelihood of being helped or harmed (LHH) helps clinicians translate the CATIE findings for individualized treatment in clinical practice. FINDINGS: Use of these evidence-based tools demonstrates that the NNT to avoid a psychiatric hospitalization due to the exacerbation of schizophrenia ranged from 3 to 7 in favor of olanzapine compared with the other antipsychotics. The NNH to produce one treatment-emergent adverse event of weight gain > 7% ranged from -5 to -8 (favoring comparators over olanzapine). Further, when assessing LHH - the likelihood of being helped (avoid a psychiatric hospital admission) compared to the likelihood of being harmed (experience weight gain > 7%) - treatment with olanzapine was consistently associated with greater expectation of benefit than harm (LHH > 1). CONCLUSION: The use of NNT, NNH, and LHH can be helpful in balancing risk versus benefit in selecting antipsychotic treatment. LIMITATIONS: NNT and NNH may vary with baseline risk, and cannot be calculated from continuous variables. LHH may be influenced by an individual's perception of the value of the outcomes compared.
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 | 0,014 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».