The Psychopharmacology of Aggressive Behavior
Notice bibliographique
Résumé
Patients with mental disorders are at an elevated risk for developing aggressive behavior. In the last 19 years, the psychopharmacological treatment of aggression has changed dramatically because of the introduction of atypical antipsychotics into the market and the increased use of anticonvulsants and lithium in the treatment of aggressive patients.Using a translational medicine approach, this review (part 1 of 2) examines the neurobiology of aggression, discussing the major neurotransmitter systems implicated in its pathogenesis, namely, serotonin, glutamate, norepinephrine, dopamine, and γ-aminobutyric acid, and also their respective receptors. The preclinical and clinical pharmacological studies concerning the role of these neurotransmitters have been reviewed, as well as research using transgenic animal models. The complex interaction among these neurotransmitters occurs at the level of brain areas and neural circuits such as the orbitoprefrontal cortex, anterior cortex, amygdala, hippocampus, periaqueductal gray, and septal nuclei, where the receptors of these neurotransmitters are expressed. The neurobiological mechanism of aggression is important to understand the rationale for using atypical antipsychotics, anticonvulsants, and lithium in treating aggressive behavior. Further research is necessary to establish how these neurotransmitter systems interact with brain circuits to control aggressive behavior at the intracellular level.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».