A review of how psychotropic medication can affect the motivation of challenging behavior
Notice bibliographique
Résumé
Self-injury, aggression, stereotypy, and other forms of challenging behavior are highly prevalent among people with intellectual disabilities (ID). Psychopharmacological and behavioral interventions, often in combination, are common interventions for challenging behavior. However, little is known about the interaction between psychopharmacological treatment and the motivation or, more precisely, the function of challenging behavior. A better understanding of these processes may be critical to optimize treatment efficacy.Objectives: An overall review of the literature on the interaction between behavior function and psychotropic medication in people with ID, and directly related variables (e.g. motivating operations) was conducted. As a result, we discuss the behavioral processes involved in medication–behavior function interaction and the methodological and clinical implications of this research area.Methods: A comprehensive literature review was conducted of current peer-reviewed publications.Results and Conclusion: Evidence suggests medication can affect the function of challenging behavior in several ways (i.e. add new functions, decrease the number of functions, and/or change the function). Moreover, medication–function interaction was a relatively infrequent occurrence. We found the analysis of variables that alter the effectiveness of a reinforcing or punishing stimulus, called motivating operations (e.g. satiation, deprivation, illness) provides an experimental model for the analysis of the behavioral mechanisms associated with medication–function interactions. Further, single-subject designs and functional analysis methodology can be combined to evaluate medication–function interactions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».