A review of brain stimulation methods to treat substance use disorders
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
BACKGROUND: Substance use disorders (SUDs) are a leading cause of disability worldwide. While several pharmacological and behavioral treatments for SUDs are available, these may not be effective for all patients. Recent studies using non-invasive neuromodulation techniques including Repetitive Transcranial Magnetic Stimulation (rTMS), Transcranial Direct Current Stimulation (tDCS), and Deep Brain Stimulation (DBS) have shown promise for SUD treatment. OBJECTIVE: Multiple studies were evaluated investigating the therapeutic potential of non-invasive brain stimulation techniques in treatment of SUDs. METHOD: Through literature searches (eg, PubMed, Google Scholar), 60 studies (2000-2017) were identified examining the effect of rTMS, tDCS, or DBS on cravings and consumption of SUDs, including tobacco, alcohol, cannabis, opioids, and stimulants. RESULTS: rTMS and tDCS demonstrated decreases in drug craving and consumption, while early studies with DBS suggest similar results. Results are most encouraging when stimulation is targeted to the Dorsolateral Prefrontal Cortex (DLPFC). CONCLUSIONS: Short-term treatment with rTMS and tDCS may have beneficial effects on drug craving and consumption. Future studies should focus on extending therapeutic benefits by increasing stimulation frequency and duration of treatment. SCIENTIFIC SIGNIFICANCE: The utility of these methods in SUD treatment and prevention are unclear, and warrants further study using randomized, controlled designs. (Am J Addict 2018;27:71-91).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découle