The Psychopharmacology of Aggressive Behavior
Notice bibliographique
Résumé
Patients experiencing mental disorders are at an elevated risk for developing aggressive behavior. In the past 10 years, the psychopharmacological treatment of aggression has changed dramatically owing to the introduction of atypical antipsychotics on the market and the increased use of anticonvulsants and lithium in the treatment of aggressive patients.This review (second of 2 parts) uses a translational medicine approach to examine the neurobiology of aggression, discussing the major neurotransmitter systems implicated in its pathogenesis (serotonin, glutamate, norepinephrine, dopamine, and γ-aminobutyric acid) and the neuropharmacological rationale for using atypical antipsychotics, anticonvulsants, and lithium in the therapeutics of aggressive behavior. A critical review of all clinical trials using atypical antipsychotics (aripiprazole, clozapine, loxapine, olanzapine, quetiapine, risperidone, ziprasidone, and amisulpride), anticonvulsants (topiramate, valproate, lamotrigine, and gabapentin), and lithium are presented. Given the complex, multifaceted nature of aggression, a multifunctional combined therapy, targeting different receptors, seems to be the best strategy for treating aggressive behavior. This therapeutic strategy is supported by translational studies and a few human studies, even if additional randomized, double-blind, clinical trials are needed to confirm the clinical efficacy of this framework.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,004 | 0,002 |
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 ».