Combining Antidepressants for Treatment-Resistant Depression
Notice bibliographique
Résumé
OBJECTIVE: Many patients with depression remain poorly responsive to antidepressant monotherapy. One approach for managing treatment-resistant depression is to combine antidepressants and to capitalize on multiple therapeutic mechanisms of action. This review critically evaluates the evidence for efficacy of combining antidepressants. METHOD: A MEDLINE search of the last 15 years (up to June 2001), supplemented by a review of bibliographies, was conducted to identify relevant studies. Criteria used to select studies included (1) published studies with original data in peer-reviewed journals, (2) diagnosis of depression with partial or no response to standard treatments, (3) any combination of 2 antidepressants with both agents used to enhance antidepressant response, (4) outcome measurement of clinical response, and (5) sample size of 4 or more subjects. RESULTS: Twenty-seven studies (total N = 667) met the inclusion criteria, including 5 randomized controlled trials and 22 open-label trials. In the 24 studies (total N = 601) reporting response rates, the overall mean response rate was 62.2%. Methodological limitations included variability in definitions of treatment-resistant depression and response to treatment, dosing of medications, and reporting of adverse events. CONCLUSION: There is limited evidence, mostly in uncontrolled studies, supporting the efficacy of combination antidepressant treatment. Further randomized controlled trials with larger sample sizes are required to demonstrate the efficacy of a combination antidepressant strategy for patients with treatment-resistant depression.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».