The Psychopharmacology of Aggressive Behavior
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 découle