MétaCan
Menu
Retour à la cohorte
Enregistrement W4210761429 · doi:10.3390/geriatrics7010014

Evidence-Informed Approach to De-Prescribing of Atypical Antipsychotics (AAP) in the Management of Behavioral Expressions (BE) in Advanced Neurocognitive Disorders (NCD): Results of a Retrospective Study

2022· article· en· W4210761429 sur OpenAlexaff
Atul Sunny Luthra, Raymond LinBin Gao, Shannon Remers, Peter Carducci, Joanna Sue

Notice bibliographique

RevueGeriatrics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensHomewood Research InstituteSt. Peter's HospitalUniversity of WaterlooMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineNeurocognitiveMoodRetrospective cohort studyMultivariate analysis of varianceAntipsychoticPsychiatryClinical psychologyAnalysis of varianceMeaning (existential)Test (biology)Schizophrenia (object-oriented programming)CognitionInternal medicinePsychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

The LuBAIR™ Paradigm is a novel approach to ascribe meaning to behavioral expressions in advanced neurocognitive disorders when the reliability of a clinical assessment is limited. The meaning ascribed to each behavioral category was used to identify those which are likely to respond to the use of atypical antipsychotics, in their management. De-prescribing was attempted on patients who qualified to enter this retrospective study. De-prescribing was defined as successful if individuals were completely withdrawn from AAP and remained off them for 60 days, without the re-emergence of behaviors. The LuBAIR™ Inventory was filled on two occasions. The data collected on the second occasion, in the successful and failed de-prescribed groups, were compared in this retrospective study. MANOVA, Chi-Square paired t-test statistical analyses were used to detect the differences in the behavioral categories between the two cohorts. Cohen d was used to measure effect size. Patients who did not have Mis-Identification and Goal-Directed Expressions were more likely to successfully de-prescribe: X2 (1, N = 40) = 29.119 p < 0.0001 and X2 (1, N = 40) = 32.374, p < 0.0001, respectively. Alternatively, the same behavioral categories were more likely to be present in patients who failed de-prescribing: MANOVA and paired t-test (p < 0.0001). Atypical antipsychotics, in their role as an antipsychotic and mood stabilizer, may be used to manage Mis-Identification and Goal-Directed Expressions, respectively.

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)0,010
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,010
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,074
Tête enseignante GPT0,373
Écart entre enseignants0,300 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeriatricsMême sujetSchizophrenia research and treatmentTravaux en français237 207