Confused Connections? Targeting White Matter to Address Treatment Resistant Schizophrenia
Notice bibliographique
Résumé
Despite development of comprehensive approaches to treat schizophrenia and other psychotic disorders and improve outcomes, there remains a proportion (approximately one-third) of patients who are treatment resistant and will not have remission of psychotic symptoms despite adequate trials of pharmacotherapy. This level of treatment response is stable across all stages of the spectrum of psychotic disorders, including early phase psychosis and chronic schizophrenia. Our current pharmacotherapies are beneficial in decreasing positive symptomology in most cases, however, with little to no impact on negative or cognitive symptoms. Not all individuals with treatment resistant psychosis unfortunately, even benefit from the potential pharmacological reductions in positive symptoms. The existing pharmacotherapy for psychosis is targeted at neurotransmitter receptors. The current first and second generation antipsychotic medications all act on dopamine type 2 receptors with the second generation drugs also interacting significantly with serotonin type 1 and 2 receptors, and with varying pharmacodynamic profiles overall. This focus on developing dopaminergic/serotonergic antipsychotics, while beneficial, has not reduced the proportion of patients experiencing treatment resistance to date. Another pharmacological approach is imperative to address treatment resistance both for response overall and for negative symptoms in particular. There is research suggesting that changes in white matter integrity occur in schizophrenia and these may be more associated with cognition and even negative symptomology. Here we review the evidence that white matter abnormalities in the brain may be contributing to the symptomology of psychotic disorders. Additionally, we propose that white matter may be a viable pharmacological target for pharmacoresistant schizophrenia and discuss current treatments in development for schizophrenia that target white matter.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».