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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».