Low medical morbidity and mortality after acute courses of electroconvulsive therapy in a population‐based sample
Notice bibliographique
Résumé
BACKGROUND: To determine event rates for specific medical events and mortality among individuals receiving electroconvulsive therapy (ECT). METHOD: Population-based cohort study using health administrative data of acute ECT treatments delivered in Ontario, Canada, from 2003 to 2011. We measured the following medical event rates, per 10 000 ECT treatments, up to 7 and 30 days post-treatment: stroke, seizure, acute myocardial infarction, arrhythmia, pneumonia, pulmonary embolus, deep vein thrombosis, gastrointestinal bleeding, falls, hip fracture, and mortality. RESULTS: A total of 135 831 ECT treatments were delivered to 8810 unique patients. Overall medical event rates were 9.1 and 16.8 per 10 000 ECT treatments respectively. The most common medical events were falls (2.7 and 5.5 per 10 000 ECT treatments) and pneumonia (1.8 and 3.8 per 10 000 ECT treatments). Fewer than six deaths occurred on the day of an ECT treatment. This corresponded to a mortality rate of less than 0.4 per 10 000 treatments. Deaths within 7 and 30 days of an ECT treatment, excluding deaths due to external causes (e.g., accidental and intentional causes of death), were 1.0 and 2.4 per 10 000 ECT treatments respectively. CONCLUSION: Morbidity and mortality events after ECT treatments were relatively low, supporting ECT as a low-risk medical procedure.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».