Functional electrical stimulation of the facial muscles to improve symptoms in individuals with major depressive disorder: pilot feasibility study
Notice bibliographique
Résumé
BACKGROUND: Currently, the mainstay of treatment in patients diagnosed with major depressive disorder (MDD) requiring medical attention is second generation anti-depressants. However, about 40% of patients treated with second-generation anti-depressants do not respond to initial treatment and approximately 70% do not achieve remission during the first-step treatment. There are a few non-pharmacological options available, but none have shown consistently positive results. There is a need for an intervention that is relatively easy to administer, produces consistently positive results and is associated with minimal side effects. In the current study, we assessed the feasibility of using transcutaneous Functional Electrical Stimulation Therapy (FEST) of the facial muscles, as a tool for improving depressive symptoms in individuals with MDD. RESULTS: Ten (10) individuals with moderate to severe MDD received three FEST sessions/week for a minimum of 10 to a maximum of 40 sessions. All study participants completed the required 10 therapy sessions, and 5 of the 10 participants completed additional 30 (totalling 40) FEST sessions. There were no adverse events or concerns regarding compliance to therapy. We found statistically significant improvements on Hamilton Rating Scale for Depression (HDS) and Inventory of Depressive Symptomatology (IDS) measures. However, no significant improvements were found on Positive and Negative Affect Scale and 10-point Visual Analogue Scale scales. Participants reported improvements in sleeping patterns, and this correlated with statistically significant improvements on sleep parameters of HDS and IDS measures. CONCLUSION: This study indicates that facial FEST is an acceptable, practical, and safe treatment in individuals with MDD. We provide preliminary evidence to show improvements in depressive symptoms following a minimum of 10 FEST sessions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».