The different trajectories of antipsychotic response: antipsychotics <i>versus</i> placebo
Notice bibliographique
Résumé
BACKGROUND: It is generally accepted that antipsychotics are more effective than placebo. However, it remains unclear whether antipsychotics induce a pattern or trajectory of response that is distinct from placebo. We used a data-driven technique, called growth mixture modelling (GMM), to identify the different patterns of response observed in antipsychotic trials and to determine whether drug-treated and placebo-treated subjects show similar or distinct patterns of response. METHOD: We examined data on 420 patients with schizophrenia treated for 6 weeks in two double-blind placebo-controlled trials using haloperidol and olanzapine. We used GMM to identify the optimal number of response trajectories; to compare the trajectories in drug-treated versus placebo-treated patients; and to determine whether the trajectories for the different dimensions (positive versus negative symptoms) were identical or different. RESULTS: Positive symptoms were found to respond along four distinct trajectories, with the two most common trajectories ('Partial responder' and 'Responder') accounting for 70% of the patients and seen proportionally in both drug- and placebo-treated. The most striking drug-placebo difference was in the 'Dramatic responders', seen only among the drug-treated. The response of negative symptoms was more modest and did not show such distinct trajectories. CONCLUSIONS: Trajectory models of response, rather than the simple responder/non-responder dichotomy, provide a better statistical account of how antipsychotics work. The 'Dramatic responders' (those showing >70% response) were seen only among the drug-treated and make a significant contribution to the overall drug-placebo difference. Identifying and studying this subset may provide specific insight into antipsychotic action.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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) | 0,001 | 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 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 ».