Evaluation of Simultaneous Effect of Lovastatin Plus Fluoxetine on Depression Using Linear Mixed Model with LASSO Penalty
Notice bibliographique
Résumé
The effect of lovastatin plus fluoxetine on depression has been investigated in many studies, but ignoring other effective factors has decreased the accuracy of the results. The aim of this study was to assess the simultaneous effect of lovastatin plus fluoxetine on depression while controlling a large number of potential covariates using penalized linear mixed model in a longitudinal study. 60 patients with major depressive disorder according to DSM-IV diagnostic criteria were enrolled. The sample was randomly allocated into fluoxetine (up to 40 mg/day) plus lovastatin (30 mg/day) group and fluoxetine (up to 40 mg/day) plus placebo group. Hamilton depression rating scale was used to measure the depression score at baseline, week 2, and week 6. We used linear mixed model (LMM) with least absolute shrinkage and selection operator (LASSO) penalty. Among 60 patients, 39 (65%) were female with a mean age of 31.93 (9.8) years; 51.7% of the patients were married, a majority (73%) lived in village, and 45% of them had high school education. Both groups showed a significant decrease in depression score using Hamilton Depression scale. However, depression score in the treatment group decreased more than the placebo group (Mean=12.8(SD=6.3) vs. Mean=8.2(SD=4.0), t=3.4, P<.001).The proposed model revealed that in the presence of the other covariates, lovastatin plus fluoxetine could play a key role in the reduction of depression. It was also shown that all of the covariates except blood pressure had a significant effect on depression. Linear mixed model with LASSO penalty revealed that sex, age, education, physical illness had the most significant effect on depression. results demonstrated that the masters’ students were possessed of less spiritual growth, indicating the need for more accurate planning towards improving students’ health-promoting lifestyles. So, it was recommended that more attention be paid to the improvement of health-promoting lifestyles, especially in terms of spiritual growth.
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 | 0,014 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».