Concordance of the treatment patterns for major depressive disorders between the Canadian Network for Mood and Anxiety Treatments (CANMAT) algorithm and real-world practice in China
Notice bibliographique
Résumé
Background: Antidepressant (AD) algorithm is an important tool to support treatment decision-making and improve management of major depressive disorder (MDD). However, little is known about its concordance with real-world practice. This study aimed to assess the concordance between the longitudinal treatment patterns and AD algorithm recommended by a clinical practice guideline in China. Methods: Data were obtained from the electronic medical records of Shanghai Mental Health Center (SMHC), one of the largest mental health institutions in China. We examined the concordance between clinical practice and the Canadian Network for Mood and Anxiety Treatments (CANMAT) algorithm among a cohort composed of 19,955 MDD patients. The longitudinal characteristics of treatment regimen and duration were described to identify the specific inconsistencies. Demographics and health utilizations of the algorithm-concordant and -discordant subgroups with optimized treatment were measured separately. Results: The overall proportion of algorithm-concordant treatment significantly increased from 84.45% to 86.03% during the year of 2015–2017. Among the patients who received recommended first-line drugs with subsequent optimized treatment (n = 2977), the concordance proportion was 27.24%. Mirtazapine and trazodone were the most used drugs for adjunctive strategy. Inadequate or extended duration before optimized treatment are common inconsistency. The median length of follow-up for algorithm-concordant (n = 811) and algorithm-discordant patients (n = 2166) were 153 days (Q1-Q3 = 79–328) and 368 days (Q1-Q3 = 181–577) respectively, and the average number of clinical visits per person-year was 13.07 and 13.08 respectively. Conclusion: Gap existed between clinical practice and AD algorithm. Improved access to evidence-based treatment is required, especially for optimized strategies during outpatient follow-up.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».