MétaCan
Menu
Retour à la cohorte
Enregistrement W2397586267 · doi:10.1002/phar.1770

Management of Acute Alcohol Withdrawal Syndrome in Critically Ill Patients

2016· review· en· W2397586267 sur OpenAlexaff
Deepali Dixit, Jeffrey Endicott, Lisa Burry, Liz Ramos, Siu Yan Amy Yeung, Sandeep Devabhakthuni, Claire Chan, Anthony Tobia, Marilyn N. Bulloch

Notice bibliographique

RevuePharmacotherapy The Journal of Human Pharmacology and Drug Therapy · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueAlcoholism and Thiamine Deficiency
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésAlcohol withdrawal syndromeDelirium tremensMedicineDexmedetomidineIntensive care unitMechanical ventilationDeliriumIntensive care medicineKetaminePsychomotor agitationAlcohol use disorderIntensive carePropofolAnesthesiaAlcoholSedation

Résumé

récupéré en direct d'OpenAlex

Approximately 16-31% of patients in the intensive care unit (ICU) have an alcohol use disorder and are at risk for developing alcohol withdrawal syndrome (AWS). Patients admitted to the ICU with AWS have an increased hospital and ICU length of stay, longer duration of mechanical ventilation, higher costs, and increased mortality compared with those admitted without an alcohol-related disorder. Despite the high prevalence of AWS among ICU patients, no guidelines for the recognition or management of AWS or delirium tremens in the critically ill currently exist, leading to tremendous variability in clinical practice. Goals of care should include immediate management of dehydration, nutritional deficits, and electrolyte derangements; relief of withdrawal symptoms; prevention of progression of symptoms; and treatment of comorbid illnesses. Symptom-triggered treatment of AWS with γ-aminobutyric acid receptor agonists is the cornerstone of therapy. Benzodiazepines (BZDs) are most studied and are often the preferred first-line agents due to their efficacy and safety profile. However, controversy still exists as to who should receive treatment, how to administer BZDs, and which BZD to use. Although most patients with AWS respond to usual doses of BZDs, ICU clinicians are challenged with managing BZD-resistant patients. Recent literature has shown that using an early multimodal approach to managing BZD-resistant patients appears beneficial in rapidly improving symptoms. This review highlights the results of recent promising studies published between 2011 and 2015 evaluating adjunctive therapies for BZD-resistant alcohol withdrawal such as antiepileptics, baclofen, dexmedetomidine, ethanol, ketamine, phenobarbital, propofol, and ketamine. We provide guidance on the places in therapy for select agents for management of critically ill patients in the presence of AWS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,389
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations104
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacotherapy The Journal of Human Pharmacology and Drug TherapyMême sujetAlcoholism and Thiamine DeficiencyTravaux en français237 207