Management and Treatment of Catatonia
Notice bibliographique
Résumé
This chapter explores the diverse therapeutic approaches to catatonia, integrating insights from both national and international guidelines. The primary treatment typically include benzodiazepines, such as lorazepam and diazepam, which are widely recognized for their efficacy in alleviating catatonic symptoms. Electroconvulsive therapy (ECT) remains a cornerstone for more severe, treatment-resistant and malignant cases (e.g. febrile catatonia), with recent evidence suggesting its effectiveness across various psychiatric populations, including children, adolescents, older adults, and patients with dementia. However, in cases of ultra-resistant catatonia – where up to 40% of patients do not respond to benzodiazepines or ECT – new treatment options such as intranasal esketamine are emerging, showing promise in cases unresponsive to conventional therapies. Additionally, treatments such as dopamine receptors antagonists and partial agonists (=antipsychotics) must be used with caution, particularly in cases of substance-induced catatonia, where they may exacerbate symptoms. Noninvasive brain stimulation techniques like repetitive transcranial magnetic stimulation and transcranial direct current stimulation are also gaining attention for their potential therapeutic benefits in catatonia, though further research is needed. Finally, the chapter underscores the importance of individualized treatment plans, carefully considering the underlying cause of catatonia to optimize outcomes and ensure the most effective intervention.
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) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».