Shedding Light on SAD: The Effects of Light Therapy in the Treatment of Seasonal Affective Disorder
Notice bibliographique
Résumé
Background: Seasonal Affective Disorder (SAD) consists of recurrent depressive episodes in the fall/winter with summer remission. Symptoms include hypersomnia, fatigue, increased appetite for carbohydrates, and weight gain. The estimated prevalence of SAD is 1.7-2.9% in Canada and is most common in women of reproductive age. Light therapy (LT) is an effective, evidence-based treatment for SAD despite economic and lifestyle burdens. There is a critical need to better understand and evaluate current LT application to determine an optimal treatment strategy for SAD in the future. Objective: To explore the relevant literature regarding the efficacy and physiological and psychological impacts of light therapy in the treatment of Seasonal Affective Disorder among the Canadian adult population. Methodology: Relevant literature was identified using key terms “Seasonal Affective Disorder” and “Phototherapy” or “Light therapy” to search four online databases PubMed, PsychINFO, Web of Science, and Scopus. Results were limited to Canadian publications from 2006 and only included journal articles, clinical trials, meta-analyses, RCTs, and systematic reviews in English. Titles and abstracts were evaluated for relevancy to the objective and inclusion criteria; 7 articles based on Canadian study populations were then subject to analysis. Results: The results were categorized into three themes (efficacy of LT, physiological effects, and psychological effects) and indicated that LT is an effective treatment option for SAD, normalizing physiological SAD symptoms and decreasing SIGH-SAD scores. Conclusions: LT is an effective treatment for SAD with physiological and psychological effects. Further research needs to establish Canadian incidence and morbidity statistics, in addition to indicators/biomarkers for SAD diagnosis and links to symptomatology. Future studies should compare different SAD therapies and develop a standard for efficient LT with long-term and preventative applications as well as optimal compliance.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 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 ».