Overcoming Resistance to Selective Serotonin Reuptake Inhibitors: Targeting Serotonin, Serotonin-1A Receptors and Adult Neuroplasticity
Notice bibliographique
Résumé
Major depressive disorder (MDD) is the most prevalent mental illness contributing to global disease burden. Selective serotonin (5-HT) reuptake inhibitors (SSRIs) are the first-line treatment for MDD, but are only fully effective in 30% of patients and require weeks before improvement may be seen. About 30% of SSRI-resistant patients may respond to augmentation or switching to another antidepressant, often selected by trial and error. Hence a better understanding of the causes of SSRI resistance is needed to provide models for optimizing treatment. Since SSRIs enhance 5-HT, in this review we discuss new findings on the circuitry, development and function of the 5-HT system in modulating behavior, and on how 5-HT neuronal activity is regulated. We focus on the 5-HT1A autoreceptor, which controls 5-HT activity, and the 5-HT1A heteroreceptor that mediates 5-HT actions. A series of mice models now implicate increased levels of 5-HT1A autoreceptors in SSRI resistance, and the requirement of hippocampal 5-HT1A heteroreceptor for neurogenic and behavioral response to SSRIs. We also present clinical data that show promise for identifying biomarkers of 5-HT activity, 5-HT1A regulation and regional changes in brain activity in MDD patients that may provide biomarkers for tailored interventions to overcome or bypass resistance to SSRI treatment. We identify a series of potential strategies including inhibiting 5-HT auto-inhibition, stimulating 5-HT1A heteroreceptors, other monoamine systems, or cortical stimulation to overcome SSRI resistance.
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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».