Depression in Patients with Mastocytosis: Prevalence, Features and Effects of Masitinib Therapy
Notice bibliographique
Résumé
Depression in patients with mastocytosis is often reported but its prevalence and characteristics are not precisely described. In addition, the impact of therapies targeting mast cells proliferation, differentiation and degranulation on psychic symptoms of depression have never been investigated. Our objective was to determine the prevalence and to describe features of depression in a large cohort of mastocytosis patients (n = 288) and to investigate the therapeutic impact of the protein kinase inhibitor masitinib in depression symptoms. The description of depression was based on the analysis of a database with Hamilton scores using Principal Component Analysis (PCA). Efficacy of masitinib therapy was evaluated using non parametric Wilcoxon test for paired data within a three months period (n = 35). Our results show that patients with indolent mastocytosis present an elevated prevalence of depression (64%). Depression was moderate in 56% but severe in 8% of cases. Core symptoms (such as psychic anxiety, depressed mood, work and interests) characterized depression in mastocytosis patients. Masitinib therapy was associated with significant improvement (67% of the cases) of overall depression, with 75% of recovery cases. Global Quality of Life slightly improved after masitinib therapy and did not predicted depression improvement. In conclusion, depression is very frequent in mastocytosis patients and masitinib therapy is associated with the reduction its psychic experiences. We conclude that depression in mastocytosis may originate from processes related to mast cells activation. Masitinib could therefore be a useful treatment for mastocytosis patients with depression and anxiety symptoms.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».