No Effects of Antidepressants on Negative Symptoms in Schizophrenia
Notice bibliographique
Résumé
Negative symptoms are common in schizophrenia, but often difficult to differentiate from depression. They are associated with long-term impairment and do not respond well to current treatment approaches. Even though antidepressants are commonly prescribed in schizophrenia, their beneficial effect is still under debate. In the present study, we aimed to investigate the effect of serotonergic versus noradrenergic antidepressant add-on therapy on negative symptoms in schizophrenia. Fifty-eight patients with schizophrenia according to Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition criteria and with predominant negative symptoms were randomized in a double-blind design to add-on treatment with citalopram, reboxetine, or placebo for 4 weeks. Analysis of covariance with repeated-measures design was used to compare improvement between treatment groups in scores of the Positive and Negative Syndrome Scale and the Hamilton Rating Scale for Depression. A χ² test was used to compare responder rates between treatment groups. Repeated-measures analysis of covariance revealed no differences between treatment groups over time (treatment × time, not statistically significant) for Positive and Negative Syndrome Scale subscales. Although a subgroup analysis in subjects fulfilling the criteria for minor depression was suggestive of higher responder rates in the citalopram group compared with reboxetine, the results did not reach significance level. Our findings do not support a beneficial effect of adjunctive antidepressant treatment on negative symptoms in schizophrenia. However, depressive symptoms are reduced in patients with minor depression by citalopram but not reboxetine, which is in line with previous findings.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».