MétaCan
Menu
Retour à la cohorte
Enregistrement W4286461916 · doi:10.3390/brainsci12080959

Tolerance to Stimulant Medication for Attention Deficit Hyperactivity Disorder: Literature Review and Case Report

2022· review· en· W4286461916 sur OpenAlexaff
Kenneth Handelman, Fernando Sumiya

Notice bibliographique

RevueBrain Sciences · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStimulantAttention deficit hyperactivity disorderMedicineDrug tolerancePsychiatryPsychology

Résumé

récupéré en direct d'OpenAlex

Recommended treatment for attention deficit hyperactivity disorder (ADHD) includes stimulant medication. While these medicines are effective for most ADHD patients, benefits may wear off, suggesting tolerance. This paper reviews the published literature on tolerance to stimulant medication treatment for ADHD. As there are relatively few studies published, pivotal studies and ADHD treatment guidelines were also reviewed. Research demonstrates physiological changes related to continued stimulant usage in neurons and certain brain regions, suggesting a mechanism for tolerance development. One clinical study showed that 24.7% of patients developed tolerance to stimulants in the time of days to weeks; another showed 2.7% developed tolerance over 10 years. Long term follow-up studies demonstrate that medication response may lessen over longer durations of treatment in a high percentage of patients. Strategies to manage tolerance include switching stimulant medicines, drug holidays, or clinical reassessment. Three cases illustrate challenges with treating patients who develop tolerance to stimulant medication. The paucity of research and lack of guidance to clinicians may contribute to significant under recognition of tolerance to stimulant medication. Further research is required to define clinical tolerance for stimulants in ADHD and to provide guidance on identifying and managing tolerance in clinical practice.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,090
Tête enseignante GPT0,424
Écart entre enseignants0,334 · 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'étudeÉtude de cas
Domainenon disponible
GenreSynthèse

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

En bref

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207