Neuroleptic Malignant Syndrome—An 11-Year Longitudinal Case-Control Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To describe patients with neuroleptic malignant syndrome (NMS), to establish occurrence of NMS, to investigate risk factors of NMS, and to investigate mortality associated with NMS. METHOD: We conducted a longitudinal register linkage case-control study of NMS. RESULT: In health care registers covering the period from 1996 to 2007, we identified, among 224 372 patients with organic, psychotic, affective, or neurotic diagnosis, 83 patients with NMS, equivalent to an occurrence of 0.04%. Treatment with second-generation antipsychotics (SGAs) in the 3 months preceding admission increased the NMS risk (OR 4.66; 95% CI 1.96 to 11.10) and also first-generation antipsychotics (FGAs) of high potency (OR 23.41; 95% CI 5.29 to 103.61) and mid potency (OR 4.81; 95% CI 1.96 to 11.79), and depot antipsychotics (OR 4.53; 95% CI 1.60 to 12.80). Benzodiazepines (BDZs) also increased the risk of NMS (OR 3.43; 95% CI 1.68 to 12.80). NMS was associated with an increased mortality (HR 1.88; 95% CI 1.19 to 2.98) in patients, compared with sex-, age-, and diagnosis-matched control subjects, but no significant difference in mortality between patients and control subjects was observed after the initial 30 days (P = 0.27). CONCLUSIONS: The occurrence of NMS is low, and the prediction of NMS is difficult. Previous treatment with FGAs, SGAs, and BDZs was identified as a risk factor for developing NMS. NMS increased mortality within 30 days after NMS.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle