MétaCan
Menu
Retour à la cohorte
Enregistrement W2537702573 · doi:10.4088/jcp.15m10247

Persistence in Therapy With Risperidone and Aripiprazole in Pediatric Outpatients

2016· article· en· W2537702573 sur OpenAlexaff
Marco Pozzi, Simone Pisano, Silvana Bertella, Annalisa Capuano, Renata Rizzo, Stefania Antoniazzi, Fabiana Auricchio, Carla Carnovale, Dario Cattaneo, Carmen Ferrajolo, Marta Gentili, Giuseppe Guastella, Elisa Mani, Concetta Rafaniello, Maria Pia Riccio, Maria Grazia Scuderi, Serena Sperandeo, Liberata Sportiello, Laura Villa, Sonia Radice, Emilio Clementi, Francesco Rossi, Antonio Pascotto, Renato Bernardini, Massimo Molteni, Carmela Bravaccio

Notice bibliographique

RevueThe Journal of Clinical Psychiatry · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesnon disponible
Mots-clésAripiprazoleRisperidoneQuetiapineDiscontinuationOlanzapineMedicineInternal medicineExtrapyramidal symptomsPopulationPsychiatryPediatricsHazard ratioConcomitantPsychologyAntipsychoticSchizophrenia (object-oriented programming)Confidence interval

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The practical effectiveness of second-generation antipsychotics in children and adolescents is an understudied issue. It is a crucial area of study, though, because such patients are often treated for long-lasting disorders. METHODS: We carried out a 24-month (March 2012-March 2014) observational study on an unselected population of pediatric outpatients treated with risperidone, aripiprazole, olanzapine, or quetiapine aiming to (1) describe drug use, (2) compare post hoc the discontinuation rates due to specific causes and dose adjustments by Kaplan-Meier analyses between drugs, and (3) analyze predictors influencing these outcomes by Cox multivariate models. RESULTS: Among 184 pediatric patients, 77% patients were prescribed risperidone, and 18% were prescribed aripiprazole. Olanzapine or quetiapine were scantly used; therefore, they were excluded from analyses. Risperidone was prevalent in younger, male patients with disruptive behavioral disorders; aripiprazole, in patients with tic disorders. Overall, discontinuations occurred mostly in the first 6 months, and, at 24 months, the discontinuation numbers were similar between users of risperidone and aripiprazole (41.5% vs 39.4%). In univariate analyses, dose reduction was higher for aripiprazole (P = .033). Multivariate analyses yielded the following predictors: for all-cause discontinuation, baseline severity (hazard ratio [HR] = 1.48, P = .001) and dose increase (HR = 3.55, P = .001); for patient-decided discontinuation, dose change (increase: HR = 6.43, P = .004; reduction: HR = 7.89, P = .049) and the presence of concomitant drugs (HR = 4.03, P = .034), while autistic patients discontinued less (HR = 0.23, P = .050); for clinician-decided discontinuation due to adverse drug reactions, baseline severity (HR = 1.96, P = .005) and dose increase (HR = 5.09, P = .016); for clinician-decided discontinuation due to inefficacy, baseline severity (HR = 2.88, P = .014) and the use of aripiprazole (HR = 5.55, P = .013); for dose increase, none; for dose reduction, the occurrence of adverse drug reactions (HR = 4.74, P = .046), while dose reduction was less probable in autistic patients (HR = 0.22, P = .042). CONCLUSIONS: The findings of this study show a similarity between the overall effectiveness of risperidone and aripiprazole in a real-life pediatric outpatient setting.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,073
Tête enseignante GPT0,382
Écart entre enseignants0,309 · 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'étudeObservationnel
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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical PsychiatryMême sujetSchizophrenia research and treatmentTravaux en français237 207