Clinicians’ adherence to clinical practice guidelines for cardiac function monitoring during antipsychotic treatment: a retrospective report on 434 patients with severe mental illness
Notice bibliographique
Résumé
BACKGROUND: Severe mental illness (SMI) has considerable excess morbidity and mortality, a proportion of which is explained by cardiovascular diseases, caused in part by antipsychotic (AP) induced QT-related arrhythmias and sudden death by Torsade de Point (TdP). The implementation of evidence-based recommendations for cardiac function monitoring might reduce the incidence of these AP-related adverse events. To investigate clinicians' adherence to cardiac function monitoring before and after starting AP, we performed a retrospective assessment of 434 AP-treated SMI patients longitudinally followed-up for 5 years at an academic community mental health center. METHODS: We classified antipsychotics according to their risk of inducing QT-related arrhythmias and TdP (Center for Research on Therapeutics, University of Arizona). We used univariate tests and multinomial or binary logistic regression model for data analysis. RESULTS: Univariate and multinomial regression analysis showed that psychiatrists were more likely to perform pre-treatment electrocardiogram (ECG) and electrolyte testing with AP carrying higher cardiovascular risk, but not on the basis of AP pharmacological class. Univariate and binomial regression analysis showed that cardiac function parameters (ECG and electrolyte balance) were more frequently monitored during treatment with second generation AP than with first generation AP. CONCLUSIONS: Our data show the presence of weaknesses in the cardiac function monitoring of AP-treated SMI patients, and might guide future interventions to tackle them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».