Anxiety As a Predictor of Treatment Outcome in Children and Adolescents with Depression
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to examine the impact of co-morbid illnesses on treatment outcomes in depressed children and adolescents aged 7-17 who were treated with fluoxetine. METHOD: This data set was drawn from two large clinical trials involving children and adolescents with depression. Subjects with a diagnosis of major depressive disorder and depressive symptoms of at least moderate severity as defined by a Children's Depression Rating Score, Revised (CDRS-R) total score >or=40 and a Clinical Global Impressions-Severity (CGI-S) rating >or=4 were included. Subjects were randomized to receive fluoxetine or placebo over an 8-week period. Predictor analyses examining two primary outcomes were conducted: (1) Response based on Clinical Global Impressions-Improvement (CGI-I) score of 1 or 2, and (2) remission based on CDRS-R score of <or=28. Logistic regression models were run to assess whether anxiety disorders were a predictor of response or remission. RESULT: A total of 309 study participants were included. The only factor found to influence response was treatment with fluoxetine (p = 0.022, odds ratio [OR] = 2.08, 95% confidence interval [CI] 1.30, 3.31). Several factors were found to influence remission: Treatment with fluoxetine (p < 0.0001, OR = 3.17, 95% CI 1.80, 5.57), gender (p = 0.024, OR = 1.90, 95% CI 1.09, 3.30), and number of co-morbid diagnoses (p = 0.026, OR 0.73, 95% CI 0.55, 0.96). CONCLUSION: Anxiety disorders alone did not predict response or remission, but the total number of co-morbid illnesses was associated with remission in depressed children and adolescents treated with fluoxetine.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».