Serotonin transporter clustering in blood lymphocytes predicts the outcome on anhedonia scores in naïve depressive patients treated with antidepressant medication
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
BACKGROUND: We have shown that serotonin transporter (SERT) clustering in blood lymphocytes is altered in major depression and correlates with pharmacological therapeutic responses measured with the Hamilton scale. In the present report, we extend these results to the self-assessment anhedonia scale, as anhedonia is a cardinal symptom of major depression that is difficult to treat with first-line antidepressants. METHODS: We collected blood samples from 38 untreated depression patients at the time of enrolment and 8 weeks after pharmacological treatment. We used the self-assessment anhedonia scale to evaluate anhedonia symptoms before and after treatment. We also used quantitative immunocytochemistry to measure SERT clusters in blood lymphocytes. RESULTS: Evaluation of the distribution of SERT clusters size in the plasma membrane of lymphocytes identified two subpopulations of naive depression patients: Depression I (D-I) and Depression II (D-II). While naïve D-I and D-II patients initially showed similar anhedonia scores, D-II patients showed a good response in anhedonia symptoms after 8 weeks of psychopharmacological treatment, whereas D-I patients failed to show any improvement. Psychopharmacological treatment also induced an increase in the number of SERT clusters in lymphocytes in the D-II group, and this increase correlated with the improvement in anhedonia symptoms. CONCLUSIONS: SERT clustering in peripheral lymphocytes can be used to identify patient response to antidepressant therapy as ascertained by anhedonia scores.
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) | 0,000 | 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 découle