MétaCan
Menu
← Retour à la cohorte
Enregistrement W3108523847 · doi:10.1177/0706743720974847

Long-Term Metabolic Monitoring of Youths Treated with Second-Generation Antipsychotics 5 Years after Publication of the CAMESA Guidelines Are We Making Progress? Surveillance Métabolique à Long Terme des Jeunes Traités par Antipsychotiques de Deuxième Génération, Cinq ans Après la publication des Lignes Directrices Camesa: Faisons-Nous des Progrès?

2020· article· en· W3108523847 sur OpenAlexafffundvenueabout
Sarra Jazi, Leila Ben Amor, Pascale Abadie, Marie-Line Ménard, Rachel Choquette, Claude Berthiaume, Laurent Mottron, Drigissa Ilies

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensHôpital Rivière-des-PrairiesCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentres Intégré Universitaires de Santé et de Services SociauxCentre Hospitalier Universitaire Sainte-JustineCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Montréal
Organismes subventionnairesCHU Sainte-Justine Foundation
Mots-clésMedicineAnthropometryPopulationAdverse effectPediatricsPsychiatryInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The potential metabolic adverse effects of second-generation antipsychotics (SGA) need to be monitored. The Canadian Alliance for Monitoring Effectiveness and Safety of Antipsychotics (CAMESA) offers guidelines for this purpose. We aimed to evaluate the long-term rates of youths receiving monitoring in mental health clinics and document the factors that may influence them. METHOD: The charts of 180 patients (13.3 ± 3.1 years, 54.4% males) receiving SGA treatment for the first time between January 2016 and June 2018 were reviewed. Monitoring was divided into baseline and 1- to 6-month and 9- to 24-month periods. Population under study was stratified into children (4 to 12 years) and adolescents (13 to 18 years). Sociodemographic characteristics, psychiatric diagnosis and comorbidities, prescribed SGAs and comedications, anthropometric measures (AM), blood pressure (BP), blood tests (BT), electrocardiogram, and the psychiatrist's years of practice were collected. Cross tables were used to present the monitoring rates. Categories were compared by covariate analysis. Rates of patients monitored across categories were compared using Fisher exact test. RESULTS: Monitoring rates for AM, BT, and BP were 55%, 47.8%, and 46.7% at baseline; 50%, 41.7%, and 45.2% at 1 to 6 months; and 47.2%, 41.5%, and 40.6% at 9 to 24 months, respectively. Higher monitoring rates were significantly associated with adolescent status (baseline, 1 to 6 months), a diagnosis of psychotic and/or affective disorder (baseline, 1 to 6 months, 9 to 24 months), having ≤1 psychiatric comorbidities (1 to 6 months), high SGA dose (baseline, 1 to 6 months), and clinician's experience (baseline, 9 to 24 months). Significantly lower monitoring rates were associated with the psychostimulant/atomoxetine comedication (baseline, 1 to 6 months, 9 to 24 months). CONCLUSION: Five years after publication of the CAMESA guidelines, metabolic monitoring is conducted for less than half of patients. In our sample, age, diagnostic category, psychiatric comorbidities, SGA dose, clinician's experience, and comedications influenced the monitoring rates. Major progress still needs to be made before reaching a satisfactory level of 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,318
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Psychiatry→Même sujetSchizophrenia research and treatment→Travaux en français237 207→