Non-steroidal anti-inflammatory drugs and efficacy of antidepressants in major depressive disorder
Notice bibliographique
Résumé
BACKGROUND: It has been proposed that non-steroidal anti-inflammatory drugs (NSAIDs) may interfere with the efficacy of antidepressants and contribute to treatment resistance in major depressive disorder (MDD). This effect requires replication and a test of whether it is specific to serotonin-reuptake inhibiting (SRI) antidepressants. METHOD: We tested the effect of concomitant medication with NSAIDs on the efficacy of escitalopram, a SRI antidepressant, and nortriptyline, a tricyclic antidepressant, among 811 subjects with MDD treated for up to 12 weeks in the GENDEP study. Effects of NSAIDs on improvement of depressive symptoms were tested in mixed-effect linear models. Effects on remission were tested in logistic regression. Age, sex, baseline severity and centre of recruitment were considered as potential confounding factors. RESULTS: Ten percent (n=78) of subjects were taking NSAIDs during the antidepressant treatment. Older subjects were significantly more likely to take NSAIDs. After controlling for age, sex, centre of recruitment and baseline severity, concomitant medication with NSAIDs did not significantly influence the efficacy of escitalopram [β=0.035, 95% confidence interval (CI) -0.145 to 0.215, p=0.704] or nortriptyline (β=0.075, 95% CI -0.131 to 0.281, p=0.476). Although slightly fewer subjects who took NSAIDs reached remission [odds ratio (OR) 0.80, 95% CI 0.49-1.31, p=0.383], this non-significant effect was reversed after controlling for age, sex, baseline severity and recruitment centre effects (OR 1.04, 95% CI 0.61-1.77, p=0.882). CONCLUSIONS: NSAIDs are unlikely to affect the efficacy of SRI or other antidepressants. Concurrent use of NSAIDs and antidepressants does not need to be avoided.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».