Re‐evaluation of randomized control trials of lithium monotherapy: a cohort effect
Notice bibliographique
Résumé
OBJECTIVE: The reported reduction of lithium's efficacy in the prophylaxis of bipolar illness has been attributed to various factors, including diagnostic changes and heterogeneous study designs. We attempted to quantify the impact of pre-randomization enrichment designs and diagnostic drift on randomized controlled trials (RCTs) of lithium maintenance therapy. METHODS: Using the Cochrane RCT search filter, MEDLINE, EMBASE, and PSYCHINFO were searched (1966 to June 2004) for all available randomized studies using the text word 'lithium'. Studies of 1 year minimum duration in bipolar disorder involving lithium and placebo arms were identified. Superiority trials without a placebo arm, discontinuation and mirror image studies were excluded. Standardized scales were used to assess randomization and allocation concealment. RESULTS: Nine RCTs enrolling 1432 bipolar I and II patients, randomizing 341 to lithium and 386 to placebo were identified, with 705 reported pre-randomization dropouts. The pooled odds of remaining recurrence free in two non-enriched RCTS using Research Diagnostic Criteria (RDC) or Feighner criteria were 3.2:1 (95% CI 0.65--15.46) trending in favor of lithium over placebo, and 22.0:1 (95% CI 7.0--68.7) for three trials using lithium enrichment and excluding atypical bipolar disorder. The odds of remaining recurrence free using DSM-IV criteria and lamotrigine enrichment were 1.9:1 (95% CI 1.2-2.8). CONCLUSION: Lithium maintenance RCTs differ in patient selection, design, and outcome. A cohort effect can be associated with the use of pre-randomization enrichment phases and, to a lesser extent, with diagnostic drift, compromising straightforward comparisons across three decades of lithium monotherapy in bipolar illness.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».