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 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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».