Treatment of mixed features in bipolar disorder
Notice bibliographique
Résumé
Mood episodes with Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5)-defined mixed features are highly prevalent in bipolar disorder (BD), affecting ~40% of patients during the course of illness. Mixed states are associated with poorer clinical outcomes, greater treatment resistance, higher rates of comorbidity, more frequent mood episodes, and increased rates of suicide. The objectives of the current review are to identify, summarize, and synthesize studies assessing the efficacy of treatments specifically for BD I and II mood episodes (ie, including manic, hypomanic, and major depressive episodes) with DSM-5-defined mixed features. Two randomized controlled trials (RCTs) and 6 post-hoc analyses were identified, all of which assessed the efficacy of second-generation antipsychotics (SGAs) for the acute treatment of BD mood episodes with mixed features. Results from these studies provide preliminary support for SGAs as efficacious treatments for both mania with mixed features and bipolar depression with mixed features. However, there are inadequate data to definitively support or refute the clinical use of specific agents. Conventional mood stabilizing agents (eg, lithium and divalproex) have yet to have been adequately studied in DSM-5-defined mixed features. Further study is required to assess the efficacy, safety, and tolerability of treatments specifically for BD mood episodes with mixed features.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 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 ».