Towards a “Metabolic” Subtype of Major Depressive Disorder: Shared Pathophysiological Mechanisms May Contribute to Cognitive Dysfunction
Notice bibliographique
Résumé
Major depressive disorder (MDD) is frequently associated with significant cognitive dysfunction. Furthermore, MDD is often co-morbid with obesity and metabolic disorders. The aim of this review is to evaluate the pathophysiological role obesity and co-morbid metabolic disorders may play in cognitive dysfunction associated with MDD. We conducted a PubMed search from December 1(st) 2013 to May 31(st) 2014 of all English language publications including the following keywords: cognition, working memory, attention, executive functioning, inflammation, insulin, brain-derived neurotrophic factor, neurotrophins, incretins, glucagon-like peptide-1, adipokines, diabetes, oxidative stress and glucocorticoids, cross- referenced with MDD and obesity, metabolic disorders, or metabolic syndrome. Clinical and epidemiological studies indicate that metabolic disturbances may contribute to cognitive dysfunction in MDD. There are several overlapping pathophysiological mechanisms linking obesity and metabolic abnormalities to MDD including disturbances in the hypothalamic pituitary adrenal axis, abnormalities in brain-derived neurotrophic factor signaling, adipose-derived hormones, insulin signalling, inflammatory cytokines, as well as oxidative and nitrosative stress pathways. Based on current research results, this article presents several putative mechanisms underlying the effects of obesity and metabolic abnormalities on cognitive dysfunction in MDD. Metabolic MDD may represent a depression subtype with unique patho-etiological mechanisms. The diverse shared pathophysiological mechanisms elucidated in this review may provide novel targets for the prevention and/or treatment of cognitive deficits in MDD.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».