Time to ‘Get Real’: Preliminary Insights into the Long-Term Management of Schizophrenia
Notice bibliographique
Résumé
OBJECTIVE: A brief file and medication chart review was undertaken to examine the 'real world' treatment of schizophrenia, with a particular focus on long-term treatment strategies that extend beyond existing evidence-based guidelines. METHOD: Treatment strategies were identified through an audit of patient files and their medication charts for patients admitted 2-5 years in a non-acute psychiatric hospital. RESULTS: Twenty-nine file reviews and 20 medication chart audits were conducted. High levels of diagnostic heterogeneity were identified with the presence of psychosis and mood-related diagnoses (primarily schizophrenia and schizoaffective disorder) and high rates of comorbidity (86%). Functional impairment, poor insight and high levels of risk were present in most patients. Treatments largely consisted of combination strategies with 75% of patients prescribed two or more antipsychotics and an average of 3.4 psychotropic medications in total. While clozapine was commonly prescribed (65%), this was often in combination with, on average, two other psychotropic agents. CONCLUSIONS: Notwithstanding the limited sample, these findings provide a valuable glimpse into the management strategies employed in the long-term management of schizophrenia. Evidence-based guidelines are largely of limited value for this cohort that often has complex presentations and further research is urgently needed to provide guidance into management strategies that extend beyond 5 years, with particular emphasis on the utility of medication combinations.
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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».