Effectiveness of Antidepressant Medications for Symptoms of Irritability and Disruptive Behaviors in Children and Adolescents
Notice bibliographique
Résumé
OBJECTIVES: Chronic irritability is a common presenting symptom in children and youth in both clinical settings (25%) and in the community (6%-8%). Treatment of irritability is relatively understudied. The purpose of this article is to synthesize evidence regarding the efficacy and safety of antidepressant medications for the treatment of irritability and related symptom dimensions in children and youth. METHODS: Systematic review of the literature was conducted to identify studies (including youth aged 6-18) that assessed the effectiveness of antidepressant medications for the treatment of irritability or related behavioral phenotypes, including aggression or symptoms of. Studies of youth with developmental disabilities or autism spectrum disorders were excluded. RESULTS: We identified 99 studies (three randomized trials) assessing the effect of antidepressants in improving irritability, aggression, or oppositional symptoms as secondary outcomes. Only two studies specifically measured the outcome of irritability. Eight of the 11 studies reported significant effects on aggression, oppositionality, or irritability with antidepressant exposure, although effect sizes in all, but two of these, studies were less than 0.25. These effects were significantly reduced, but remained significant in seven of these studies after controlling for changes in comorbid depression scores with treatment. The other three studies reported no change, an increase in frequency of self-harm or aggressive behaviors or benefit in only a subsample of youth who tolerated the antidepressants after 1 year of follow-up. CONCLUSION: Antidepressant medication exposure appears to have a small effect on irritability and related symptoms in youth. Heterogeneity in the study sample and absence of irritability being measured as a primary outcome across studies restrict the validity of the conclusions. Irritability is a debilitating outcome that needs specific attention in medication treatment studies.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».