Pharmacotherapy of Major Depression with Psychotic Features: What is the Evidence?
Notice bibliographique
Résumé
Major depression with psychotic features (MD-Psy) is a significant public health problem. In American studies, between 15% (community sample, ECA) and 25% (inpatient sample) of mixed-age patients who meet criteria for major depressive disorder present with psychotic features. Similarly, in a large European epidemiological study, 19% of noninstitutionalized people ages 19 to 100 with major depression had psychotic features. Among geriatric patients who require hospitalization for the treatment of their depression, the prevalence of MD-Psy may reach 45%. Compared with patients with nonpsychotic depression, patients with MD-Psy exhibit greater impairment following resolution of the depressive episode, greater risk of relapse and recurrence, increased number of suicide attempts, prolonged hospitalizations, increased comorbidity, and increased financial dependence. ABOUT THE AUTHORS Dr. Andreescu is psychiatry resident, Western Psychiatric Institute and Clinic, Department of Psychiatry, University of Pittsburgh School of Medicine, Pittsburgh, PA. Dr. Mulsant is professor of psychiatry, Western Psychiatric Institute and Clinic, Department of Psychiatry, University of Pittsburgh School of Medicine, Pittsburgh, PA; clinical director, Geriatric Mental Health Program, Centre for Addiction and Mental Health, Toronto, and professor, Department of Psychiatry, University of Toronto. Dr. Rothschild is Irving S. and Betty Brudnick Professor of Psychiatry, Department of Psychiatry, University of Massachusetts Medical School, Worcester, MA. Dr. Flint is professor, Department of Psychiatry, University of Toronto, and head, Geriatric Psychiatry Program, University Health Network, Toronto, Ontario, Canada; the Geriatric Program and Research Institute, Toronto Rehabilitation Institute, Toronto; and the Toronto General Research Institute, Toronto. Dr. Meyers is professor of psychiatry, Department of Psychiatry, Weill Medical College of Cornell University and New York Presbyterian Hospital, Westchester, NY. Dr. Whyte is assistant professor of psychiatry, Western Psychiatric Institute and Clinic, Department of Psychiatry, University of Pittsburgh School of Medicine. Address reprint requests to: Benoit H. Mulsant, MD, Geriatric Mental Health, CAMH, 1001 Queen Street West, Toronto, Ontario, Canada M6J 1H4; or e-mail benoit_mulsant@camh.net. Dr. Mulsant disclosed relevant financial relationships with Pfizer, Lilly, Forest/Lundbeck, AstraZeneca, Janssen, and Alkermes. Dr. Rothschild disclosed relevant financial relationships with Lilly and Pfizer. Dr. Flint disclosed a relevant financial relationship with Pfizer Canada. Dr. Whyte disclosed a relevant financial relationship with Pfizer. Drs. Andreescu and Meyers disclosed no relevant financial relationships. This research was supported in part by United States Public Health Service grants MH30915, MH48512, MH 62446, MH62518, MH62565, and MH62624 and MH069430 from the National Institute of Mental Health.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».