Enhancing metabolic monitoring for children and adolescents using second‐generation antipsychotics
Notice bibliographique
Résumé
The prevalence of children and adolescents using second-generation antipsychotics (SGAs) has increased significantly in recent years. In this population, SGAs are used to treat mood and behavioural disorders although considered 'off-label' or not approved for these indications. Metabolic monitoring is the systematic physical health assessment of antipsychotic users utilized to detect cardiovascular and endocrine side effects and prevent adverse events such as weight gain, hyperglycaemia, hyperlipidemia, and arrhythmias. This practice ensures safe and efficacious SGA use among children and adolescents. Despite widely available, evidence-based metabolic monitoring guidelines, rates of monitoring continue to be suboptimal; this exposes children to the unnecessary risk of developing poor cardiovascular health and long-term disease. In this discursive paper, existing approaches to metabolic monitoring as well as challenges to implementing monitoring guidelines in practice are explored. The strengths and weaknesses of providing metabolic monitoring across outpatient psychiatry, primary care, and collaborative community settings are discussed. We suggest that there is no one-size-fits-all solution to improving metabolic monitoring care for children and adolescents using SGA in all settings. However, we advocate for a pragmatic global approach to enhance safety of children and adolescents taking SGAs through collaboration among healthcare disciplines with a focus on integrating nurses as champions of metabolic monitoring.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».