Practice Patterns in the Treatment of Patients With Severe Alcohol Withdrawal: A Multidisciplinary, Cross-Sectional Survey
Notice bibliographique
Résumé
Purpose: To characterize physicians’ stated practices in the treatment of patients with severe acute alcohol withdrawal syndrome (sAAWS) and to use intravenous (IV) phenobarbital as an adjuvant treatment for sAAWS. Methods: A multidisciplinary, cross-sectional, self-administered survey at 2 large academic centers specializing in inner-city healthcare. Results: We analyzed 105 of 195 questionnaires (53.8% response rate). On average, clinicians managed 32 cases of AAWS over a 6-month period, of which 7 (21.9%) were severe. Haloperidol (Haldol; 40 [39%]), clonidine (Catapres; 31 [30%]), phenobarbital (Luminal, Tedral; 29 [27%]) and propofol (Diprivan; 29 [28%]) were the most commonly used adjuvant medications for sAAWS. Sixty-three (60%) of respondents did not use phenobarbital in practice. Of phenobarbital users, 23 (55%) respondents used it early in patients who were refractory to symptom-triggered benzodiazepine treatment. Others waited until patients experienced seizures (5 [10%]) or required intensive care unit admission (8 [18%]). Respondents who used phenobarbital preferred to use the IV versus oral form (66% vs 29%, P < .001). Most respondents, however, were unfamiliar with the pharmacokinetics, side effects, contraindications, and evidence supporting phenobarbital use for sAAWS. Although many respondents (64 [61%]) expressed discomfort using phenobarbital, 87 (83%) expressed comfort or neutrality with enrolling patients in a trial to evaluate IV phenobarbital in sAAWS. Conclusions: Considerable stated practice variation exists in how clinicians treat patients with sAAWS. Our findings support conduct of a pilot trial to evaluate IV phenobarbital as an adjuvant treatment to symptom-triggered benzodiazepines for sAAWS and have informed trial design.
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 | 0,002 |
| 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 ».