Electroconvulsive Therapy in Canada During the First Wave of COVID-19
Notice bibliographique
Résumé
OBJECTIVES: The COVID-19 pandemic has disrupted the provision of essential and potentially life-saving procedural treatments such as electroconvulsive therapy (ECT). We surveyed ECT providers across Canada to understand how the first wave of the pandemic affected ECT delivery between mid-March 2020 and mid-May 2020. METHODS: The survey was administered to ECT team members and decision makers at 107 Canadian health care centers with a focus on 5 domains: operations, decision-making, hospital resources, ECT procedure, and patient impact. Responses were obtained from 72 institutions, and collected answers were used to derive representative responses reflecting the situation at each ECT center. For specific domains, responses were split into 2 databases representing the perspective of psychiatrists (n = 67 centers) and anesthesiologists (n = 24 centers). RESULTS: Provision of ECT decreased in 64% centers and was completely suspended in 27% of centers after the onset of the pandemic. Outpatient and maintenance ECT were more affected than inpatient and acute ECT. Programs reported a high level of collaboration between psychiatry and hospital leadership (59%) but a limited input from clinical ethicists (18%). Decisions were mostly made ad hoc leading to variability across institutions in adopted resource allocation, physical location of ECT delivery, and triaging frameworks. The majority of centers considered ECT to be aerosol-generating and incorporated changes to airway management. CONCLUSIONS: Electroconvulsive therapy services in Canada were markedly disrupted by the COVID-19 pandemic. The variability in decision-making across centers warrants the development of a rational approach toward offering ECT in pandemic contexts.
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 | 0,000 | 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 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 ».