Predictors of Electroconvulsive Therapy Use in a Large Inpatient Psychiatry Population
Notice bibliographique
Résumé
OBJECTIVE: There is limited research on reliable and clinically useful predictors of electroconvulsive therapy (ECT) use. We aimed to examine factors that predict ECT use in an inpatient psychiatric population. DESIGN: Retrospective analysis of provincial database for inpatient psychiatry. METHODS: This study is a retrospective analysis of a provincial database for inpatient psychiatry. The study includes all psychiatric inpatients 18 years or older in Ontario, Canada, assessed with the Resident Assessment Instrument for Mental Health (RAI-MH) within the first 3 days of admission between 2009 and 2014 (n = 153,023). The RAI-MH is a validated assessment tool which includes a breadth of information on symptoms, self-harm, functioning, social support, comorbid medical diagnoses, and risk appraisal. Multivariable analyses were performed using SAS. RESULTS: One hundred forty-five thousand seven hundred (95.2%) of patients admitted had no history of ECT treatment and were not scheduled to receive ECT. A total of 7323 (or 4.8% of the patient population) had either a history of ECT use or were scheduled to receive ECT. Overall rate of ECT use was highest in patients with a provisional diagnosis of mood disorder (7.2%) compared with schizophrenia/other psychotic disorder (3.1%) or substance-related disorder (1.7%). Women were more likely to receive ECT compared with men (overall rates of ECT use 6.2% and 3.4%, respectively). Overall rate of ECT use increased significantly with increasing age. Number of prior hospitalizations was also a strong predictor of ECT use. Conversely, patients with elevated Risk of Harm to Others, schizophrenia, or a substance use disorder were all significantly less likely to receive ECT. All variables examined were statistically significant (P < 0.0001). Higher Severity of Self Harm Scores predicted past use, but not scheduled use of ECT. CONCLUSIONS: This is the largest study to date on predictors of ECT use. Utilization of RAI-MH is a novel and clinically useful method for evaluating predictors of ECT use. Predictors of ECT use within an inpatient population include: presence of a mood disorder, female sex, older age, low risk of harm to others, number of lifetime hospitalizations, lack of substance use disorder, and inability to care for self.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».