Drug treatment patterns in bipolar disorder: analysis of long-term self-reported data
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
BACKGROUND: The objective of this study is to investigate drug treatment patterns in bipolar disorder using daily data from patients who received treatment as usual. METHODS: Patients self-reported the drugs taken daily for about 6 months. Daily drug use and drug combinations were determined for each patient, both by the specific drugs and by medication class. The drug load was calculated for all drugs taken within a medication class. RESULTS AND DISCUSSION: Four hundred fifty patients returned a total of 99,895 days of data (mean 222.0 days). The most frequently taken drugs were mood stabilizers. Of the 450 patients, 353 (78.4%) took a stable drug combination for ≥50% of days. The majority of patients were taking polypharmacy, including 75% of those with a stable combination. Only a small number of drugs were commonly taken within each medication class, but there were a large number of unique drug combinations: 52 by medication class and 231 by specific drugs. Eighty percent of patients with a stable combination were taking three or less drugs daily. Patients without a stable combination took drugs but made frequent changes. Taking more than one drug within a medication class greatly increased the drug load. To summarize, (1) patients were more likely to take a mood stabilizer than any other drug; (2) although most patients were taking polypharmacy, there were no predominant drug regimens even among those taking a stable combination; and (3) most patients with a stable combination take a relatively small number of drugs daily. The wide variation in drug regimens and numerous possible drug combinations suggest that more evidence is needed to optimize treatment of bipolar disorder.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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