Utilization of psychotropic medications in children with FASD: a retrospective review
Notice bibliographique
Résumé
BACKGROUND: Fetal Alcohol Spectrum Disorder (FASD) is a neurodevelopmental condition resulting from pre-natal alcohol exposure. In Canada, an estimated 1.4-4% of newborns are affected by FASD. FASD is often associated with behavioural comorbidities and many individuals require psychotropic medication. However, to date there are no FASD specific guidelines for prescribing medication. Recently, Mela and colleagues described four behavioural symptom clusters commonly seen in FASD with suggested pharmacologic treatment for each cluster within an algorithm. The primary objective was to compare the proposed treatment algorithm retrospectively to actual treatment in a real-world FASD pediatric practice. The secondary objective was to refine the description of symptom clusters which will be targeted with treatment. METHODS: We collected the diagnostic and medication history from all patient visits of a Regina Developmental Pediatrician who specializes in FASD diagnosis and medication treatment. Three hundred fifty-four FASD patients were identified between 2005 to 2020. The medications that would be predicted from the algorithm were compared to the real-world historical data. A positive case was defined as all algorithm-predicted medications matching the historical data; a negative case had one or more medications failing to match. RESULTS: Of the 354 patients, 36 were removed for insufficient information. Of the remaining 318 cases, 172 (54.1%) were positive compared to 146 (45.9%) negatives. In single prescription cases (n=147), the incidence of positives was 67.3%; in multi-prescriptions (n=72) it was 27.8%; and in cases where no prescription was needed (n=99), the positive incidence was 53.5%. CONCLUSIONS: The prescription algorithm is promising but requires further refinement to accommodate the range of presentations in children with FASD. With respect to unclassified symptoms, we propose the following: sleep onset difficulty as hyperarousal; gender dysphoria and obsessive compulsive disorder as cognitive inflexibility; grief as emotional regulation; and autism spectrum disorder as hyperactive/neurocognitive.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 ».