Effective Use of Electroconvulsive Therapy in Late-Life Depression
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 review literature pertaining to the efficacy, safety, and tolerability of electroconvulsive therapy (ECT) in treating late-life depression. METHOD: We undertook a literature review with an emphasis on research studies published in the last 10 years. RESULTS: There is a positive association between advancing age and ECT efficacy. Age per se does not necessarily increase the risk of cognitive side effects from ECT, but this risk is increased by age-associated neurological conditions such as Alzheimer's dementia and cerebrovascular disease. With appropriate evaluation and monitoring, ECT can be used safely in patients of very advanced age and in those with serious medical conditions. Several technical factors, including dose of electricity relative to a patient's seizure threshold, position of electrodes, frequency of administration, and total number of treatments, have an impact on the efficacy and cognitive side effects of ECT and need to be taken into account when administering ECT. Naturalistic studies have found that 50% of more of patients have a relapse of depression within 6 to 12 months of discontinuing acute ECT. CONCLUSIONS: In recent years, there has been substantial progress in our understanding of the effect of technical factors on the efficacy and cognitive side effects of ECT. When administered in an optimal manner, ECT is a safe, well-tolerated, and effective treatment in older patients. Relapse of depression after response to ECT remains a significant problem, and there is a need for further research into the prediction and prevention of post-ECT relapse.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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