MétaCan
Menu
← Retour à la cohorte
Enregistrement W2414130817

Who pioneered the use of antipsychotics in North America?

2015· article· en· W2414130817 sur OpenAlexaffabout
Émmanuel Stip

Notice bibliographique

RevuePubMed · 2015
Typearticle
Langueen
Domaine
Thématique
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)PsychiatryMedical prescriptionMedicinePopulationPsychotropic drugFamily medicinePsychologyHistoryDrugNursing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Neuroleptics were introduced into North America 60 years ago. The credit for this advance is generally accorded to Heinz Lehmann. I sought to explore whether Lehmann really was the first North American psychiatrist to study the effects of chlorpromazine (CPZ) and to provide a more balanced view of its application in a clinical context. METHOD: I searched for historical documents and published articles in several libraries and interviewed psychiatrists active from 1952-1970. RESULTS: The first article in English was published in the July volume of the Archives of Neurology and Psychiatry in 1954 (n=71). Another article, written in French by Roland Saucier and published in a journal called Le Saguenay Médical, also described the effects of CPZ on a Canadian psychiatric population in August 1954 (n>200). However, the first prescription for CPZ was written by Roland Saucier, who brought the product back from Paris after a fellowship there. Ruth Kajander, in Ontario, was also one of the first prescribers of this drug, following her study of its use in anesthesia and a publication in the proceedings of a symposium. CONCLUSION: The contents of the 2 naturalistic studies were compared. Lehmann's study started 1 month before that of Saucier. Lehmann was the first North American psychiatrist to publish an article on CPZ, but Roland Saucier nevertheless made an important contribution, being the first to prescribe this drug in North America and reporting results for a study with a sample size 3 times that of Lehmann's study.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,003
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,250
Écart entre enseignants0,098 · 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
GenreEmpirique

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

En bref

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMed→Travaux en français237 207→