Sequential drug treatment algorithm for agitation and aggression in Alzheimer’s and mixed dementia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Behavioural and psychological symptoms of dementia (BPSD) include agitation and aggression in people with dementia. BPSD is common on inpatient psychogeriatric units and may prevent individuals from living at home or in residential/nursing home settings. Several drugs and non-pharmacological treatments have been shown to be effective in reducing behavioural and psychological symptoms of dementia. Algorithmic treatment may address the challenge of synthesizing this evidence-based knowledge. METHODS: A multidisciplinary team created evidence-based algorithms for the treatment of behavioural and psychological symptoms of dementia. We present drug treatment algorithms for agitation and aggression associated with Alzheimer's and mixed Alzheimer's/vascular dementia. Drugs were appraised by psychiatrists based on strength of evidence of efficacy, time to onset of clinical effect, tolerability, ease of use, and efficacy for indications other than behavioural and psychological symptoms of dementia. RESULTS: After baseline assessment and discontinuation of potentially exacerbating medications, sequential trials are recommended with risperidone, aripiprazole or quetiapine, carbamazepine, citalopram, gabapentin, and prazosin. Titration schedules are proposed, with adjustments for frailty. Additional guidance is given on use of electroconvulsive therapy, optimization of existing cholinesterase inhibitors/memantine, and use of pro re nata medications. CONCLUSION: This algorithm-based approach for drug treatment of agitation/aggression in Alzheimer's/mixed dementia has been implemented in several Canadian Hospital Inpatient Units. Impact should be assessed in future research.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle