Dealing with Posttraumatic Nightmares
Notice bibliographique
Résumé
Introduction Posttraumatic nightmares are one of the most frequent symptoms in posttraumatic stress disorder. Prevalence can be up to 96%. These nightmares evoke the experienced traumatic event, causing a negative impact. Besides, they are and independent risk for suicide. There are different pharmacological and non-pharmacological options for PTN, despite is no optimal treatment. Objectives To analyse the different treatment options for PTN. Methods This was a narrative literature review. Results The two main treatments for PTN nowadays are the Imagery Rehearsal Therapy (IRT) and prazosin. IRT is a cognitive-behavioral intervention, that helps the patient to change the content of the nightmare to a “happier ending”. Prazosin is an alpha-adrenergic receptor antagonist that blocks the stress response in the central nervous system receptors. Although it was a promising drug, significant differences compared to placebo have not been found. There is growing data that suggests nabilone, a synthetic cannabinoid, could be helpful in PTN treatment. A clinical trial made in Canada revealed that 72% of patients experienced a complete disappearance or at least an important reduction of PTN. Conclusions PTN is a very common and distressing symptom in patients presenting PTSD. Nevertheless, there is no treatment with enough evidence for this pathology. On this account, it is fundamental to do more research in order to find and suitable treatment that can improve the quality of life of these patients. Disclosure No significant relationships.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».