Anxiety As a Predictor of Treatment Outcome in Children and Adolescents with Depression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,001 | 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 | 0,001 |
| 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 découle