Attitudes to antipsychotics: a multi-site survey of Canadian psychiatry residents
Notice bibliographique
Résumé
Purpose The purpose of this paper is to identify the training needs of the next generation of psychiatrists, and barriers in prescribing first-generation antipsychotics (FGAs), long-acting injectable (LAIs) antipsychotics and clozapine. Design/methodology/approach An electronic survey was sent to psychiatry residents ( N = 75/288, 26 percent) at four Canadian residency programs in late December 2017. The survey was based on an instrument originally developed at the University of Cambridge and consisted of 31 questions in 10 content domains. Findings Nearly 80 percent of residents were aware that FGAs and second-generation antipsychotics (SGAs) have similar efficacy. However, extra-pyramidal symptoms and lack of training experience were the leading concerns associated with the prescribing of FGAs. Although over 90 percent of residents felt confident about initiating an oral SGA as a regular medication, only 40 percent did so with FGAs. Confidence with initiating LAIs and clozapine was 60 and 61 percent, respectively. Practical implications The survey highlights the need for better training in the use of FGAs, clozapine and LAIs. These medications can be effectively used in providing patients with the most appropriate evidence-based treatment options to improve treatment outcomes, while ensuring that these resources are not lost to the future generations of psychiatrists. Originality/value The survey may be the first of its kind to assess antipsychotic prescribing attitudes in Canadian psychiatry residents in multiple sites.
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 | 0,004 | 0,001 |
| 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 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 ».