MétaCan
Menu
Retour à la cohorte
Enregistrement W4376132651 · doi:10.1186/s12888-023-04832-7

Impact of COVID-19 on electroconvulsive therapy practice across Canadian provinces during the first wave of the pandemic

2023· article· en· W4376132651 sur OpenAlexafffundabout
Ilya Demchenko, Vanessa K. Tassone, Sarah Dunnett, Arpana Balachandar, Sophie Li, Melanie Anderson, Zafiris J. Daskalakis, Karen Foley, Keyvan Karkouti, Sidney H. Kennedy, Karim S. Ladha, Jamie Robertson, A Vaisman, David Koczerginski, Sagar V. Parikh, Daniel M. Blumberger, Alastair J. Flint, Venkat Bhat

Notice bibliographique

RevueBMC Psychiatry · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueElectroconvulsive Therapy Studies
Établissements canadiensCentre for Addiction and Mental HealthNorth York General HospitalUniversity of TorontoUniversity Health NetworkPublic Health OntarioSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPandemicElectroconvulsive therapyPsychiatryMedicineExacerbationHealth carePsychologyBest practiceCoronavirus disease 2019 (COVID-19)Family medicineDiseaseSchizophrenia (object-oriented programming)Political science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Electroconvulsive therapy (ECT) is a procedural treatment that is potentially life-saving for some patients with severe psychiatric illness. At the start of the global coronavirus disease 2019 (COVID-19) pandemic, ECT practice was remarkably disrupted, putting vulnerable individuals at increased risk of symptom exacerbation and death by suicide. This study aimed to capture the self-reported experiences of psychiatrists based at healthcare facilities across Canadian provinces who were delivering ECT treatments during the first phase of the COVID-19 pandemic (i.e., from mid-March 2020 to mid-May 2020). METHODS: A multidisciplinary team of experts developed a survey focusing on five domains: ECT unit operations, decision-making, hospital resources, ECT procedure, and mitigating patient impact. Responses were collected from psychiatrists providing ECT at 67 ECT centres in Canada, grouped by four geographical regions (Ontario, Quebec, Atlantic Canada, and Western Canada). RESULTS: Clinical operations of ECT programs were disrupted across all four regions - however, centres in Atlantic Canada were able to best preserve outpatient and maintenance care, while centres in Western Canada were able to best preserve inpatient and acute care. Similarly, Atlantic and Western Canada demonstrated the best decision-making practices of involving the ECT team and clinical ethicists in the development of pandemic-related guidelines. Across all four regions, ECT practice was affected by the redeployment of professionals, the shortage of personal protective equipment, and the need to enforce social distancing. Attempts to introduce modifications to the ECT delivery room and minimize bag-valve-mask ventilation were consistently reported. All four regions developed a new patient prioritization framework, and Western Canada, notably, aimed to provide ECT to only the most severe cases. CONCLUSIONS: The results suggest that ECT provision was disproportionately affected across different parts of Canada. Possible factors that could explain these interregional differences include population, distribution of urban vs. rural areas, pre-pandemic barriers in access to ECT, number of cases, ability to control the spread of infection, and the general reduction in physicians' activities across different areas of health care. Studying these factors in the future will inform how medical centres should respond to public health emergencies and pandemic-related circumstances in the context of procedural treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,184
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,359
Écart entre enseignants0,328 · 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 tête enseignante, 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC PsychiatryMême sujetElectroconvulsive Therapy StudiesTravaux en français237 207