Antipsychotiques à Action Prolongée: Révision de l’algorithme QAAPAPLE
Bibliographic record
Abstract
Contexte : Il y a 8 ans, un comité d’experts issus des 4 départements de psychiatrie universitaires québécois a proposé l’algorithme QAAPAPLE visant à guider les cliniciens à l’égard de l’utilisation des APAP pour les patients atteints de troubles psychotiques. Objectif : Faire une mise à jour de l’algorithme QAAPAPLE. Méthodes : Grâce à une revue qualitative et sélective de la littérature, les experts se sont intéressés à plusieurs aspects en lien avec l’utilisation des APAP et sur la pertinence de modifier l’algorithme: 1) données nouvelles sur les APAP (incluant polypharmacie et co-prescription avec clozapine, fréquence et intervalle d’administration); 2) perception et attitude sur des algorithmes et données probantes; 3) difficultés d’application des algorithmes; 4) polypharmacie impliquant les APAP et co-prescriptions avec clozapine; 5) avis des patients partenaires sur l’algorithme. Résultats : 13 méta-analyses ont été publiées et complètent les études observationnelles (incluant celles sur des registres nationaux) confirmant les avantages des APAP. La littérature apporte des précisions quant à l’utilisation de certaines associations médicamenteuses, fréquence et intervalle d’administration. L’algorithme a donc été modifié en tenant compte des avancées scientifiques. Conclusion : En interaction avec les psychiatres québécois, nous avons examiné les changements des prescriptions, la littérature, pour mieux comprendre l’utilisation de l’algorithme. Le comité a actualisé l’algorithme QAAPAPLE, pour mieux guider les cliniciens dans l’utilisation des APAP dans la trajectoire des patients atteints de psychoses dès le premier épisode et à travers les différents contextes cliniques (incluant la résistance au traitement) afin de le rendre plus flexible et convivial. Implications cliniques : Les études observationnelles (naturalistes) montrent que les APAP réduisent les rechutes, les ré-hospitalisations et la surmortalité. La palette de fréquence d’injection permet des intervalles de deux semaines à trois mois, ce qui permet un ajustement aux besoins du patient en termes de stabilité clinique et de fréquence des contacts. Les APAP restent une modalité thérapeutique sous-utilisée, un algorithme peut aider à se repérer et donc en faciliter l’utilisation. Limites : Le comité a produit une revue de la littérature narrative et systématique, plutôt que quantitative; toutefois, il s’est complètement basé sur les conclusions des méta-analyses. La participation aux sondages reliés à ce projet demeure sous optimale. Le comité n’a pas examiné la littérature concernant les aspects spécifiques reliés à la prescription d’APAP chez les personnes âgées ou les enfants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.034 | 0.091 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.007 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".