The Influence of Baseline Severity on Efficacy of Escitalopram and Citalopram in the Treatment of Major Depressive Disorder: An Extended Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine the differences between escitalopram and citalopram in the treatment of patients with major depressive disorder across a range of baseline severity of depression using trend analysis. METHODS: Data from the three placebo-controlled studies comparing escitalopram to citalopram were analyzed. The pre-specified primary outcome variable was MADRS total score; secondary outcomes included Clinical Global Impression-Severity (CGI-S) and -Improvement (CGI-I) scores. All analyses were based on an intent-to-treat (ITT) population and all direct comparisons were done by ANCOVA adjusting for baseline value and centre. RESULTS: Analyses of the pooled data (N=1203) show that, while the difference between citalopram and placebo was approximately constant across the range of baseline severity, the difference between escitalopram and placebo (p=0.0010 for no trend) and between escitalopram and citalopram (p=0.0012 for no trend) became greater, the more severely depressed the patients were at baseline. A similar pattern was apparent with the CGI-S and CGI-I results. There was a significant superiority of escitalopram over citalopram in response rate (defined as > or = 50% decrease in MADRS total score), and this difference increased with increasing baseline severity. CONCLUSION: These trend analyses thus indicate that the superiority of escitalopram over citalopram is more apparent as the baseline severity of depression increases.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle