The Influence of Baseline Severity on Efficacy of Escitalopram and Citalopram in the Treatment of Major Depressive Disorder: An Extended Analysis
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.
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 | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».