Treatments for Functional Neurological Disorder: A Practical Guide for Program Development
Notice bibliographique
Résumé
Functional neurological disorder (FND) is an often-disabling condition with a complex path to diagnosis, further challenged by limited availability of evidence-based treatment resources. Providers hoping to offer treatment resources face the challenge of identifying effective and sustainable implementation of interventions. The existing literature provides limited guidance on the logistics of creating specialized programs for FND outside of tertiary care centers or high-resource medical settings. Members of a multidisciplinary treatment team may find it challenging to identify program development resources that provide a unified perspective on each member's role and how they function together. The authors' FND program at the Stanford University School of Medicine has recently fielded a high number of requests by clinicians, health care staff, and administrators across the United States for collaboration to start new programs. Frequently asked questions include the criteria for patient selection, what personnel to include, how to ensure prompt staff responses to FND symptoms, when to hospitalize patients, how to obtain funding for services, and more. The intended audience for this review includes seasoned and new clinicians, allied health professionals, and nonclinicians, including administrators. The authors discuss diagnosis and evidence-based treatment strategies and provide guidance on practical issues, including work, disability, and driving. The authors' program experience is highlighted as an example, and alternative working models are discussed. The aim of this article is to improve providers' knowledge and confidence and remove frequently encountered barriers to program development. The authors seek to provide a resource that may help connect those in need of care to FND services.
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 | 0,000 | 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 ».