ECT on a world map - a narrative review of the use of electroconvulsive therapy and its frequency in the world
Notice bibliographique
Résumé
Abstract Introduction: Since implementation, electroconvulsive therapy has remained very effective treatment in psychiatry. The aim of this study is to present the differences in its use in medical practice around the world. The range of diseases in which ECT is most commonly used and the frequency of its use in different countries were compared with special attention to the differences between highly and poorly developed countries. Material and method: Review of literature by searching PubMed and Google Scholar databases using the keywords: indications of ECT, frequency of ECT use for papers published from 1991 to 2021. Results: Among the diseases for which electroconvulsive therapy is used worldwide, major depression dominates, while in Asia and Africa this therapy is used in schizophrenia. In Latin America it is used primarily for schizophrenia and bipolar disorder. In Poland, it is used for depression, bipolar disorder, and fewer for schizophrenia. The highest rate of people treated with therapy per 100,000 population is found in countries such as the USA (51), Canada (23.2-25.6), Australia (37.85), Sweden (41), Finland (23), Slovakia (29.2), Estonia (27.8) and Belgium (47). Conclusions: There is a relationship between the range of diseases most frequently treated with ECT, the frequency of use and the level of country development. In the high developed countries, ECT is used mainly in major depression, in less developed countries more frequent treatment of schizophrenia may be determined by the high cost of medications and limited availability of hospital beds. The highest rates of use of this therapy are found in more developed countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».