Pharmacological treatment for mental health illnesses in adults receiving dialysis: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Pharmacologic management of mental health illnesses in patients receiving dialysis is complex and lacking data. OBJECTIVE: Our objective was to synthesize published data for the treatment of depression, bipolar and related disorders, schizophrenia or psychotic disorders, and anxiety disorders in adults receiving hemodialysis or peritoneal dialysis. METHODS: We undertook a scoping review, searching the following databases: Medline, Embase, CINAHL, PsycINFO, Cochrane Library, Scopus, and Web of Science. Data on patients who received only short-term dialysis, a kidney transplant, or non-pharmacologic treatments were excluded. RESULTS: Seventy-three articles were included: 41 focused on depression, 16 on bipolar disorder, 13 on schizophrenia and psychotic disorders, 1 on anxiety disorders, and 2 addressing multiple mental health illnesses. The majority of depression studies reported on selective serotonin reuptake inhibitors (SSRIs) as a treatment. Sertraline had the most supporting data with use of doses from 25 to 200 mg daily. Among the remaining SSRIs, escitalopram, citalopram, and fluoxetine were studied in controlled trials, whereas paroxetine and fluvoxamine were described in smaller reports and observational trials. There are limited published data on other classes of antidepressants and on pharmacological management of anxiety. Data on treatment for patients with bipolar disorder or schizophrenia and related disorders are limited to case reports. CONCLUSION: Over half of the studies included were case reports, thus limiting conclusions. More robust data are required to establish effect sizes of pharmacological treatments prior to providing specific recommendations for their use in treating mental health illnesses in patients receiving dialysis.
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) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».