MétaCan
Menu
Retour à la cohorte
Enregistrement W3007735847 · doi:10.1001/jamapsychiatry.2019.4815

RETRACTED: Individual Differences in Response to Antidepressants

2020· article· en· W3007735847 sur OpenAlexaff
Marta M. Maslej, Toshi A. Furukawa, Andrea Cipriani, Paul W. Andrews, Benoit H. Mulsant

Dossier post-publication

NatureRetraction
MotifDoing the Right Thing;Error in Analyses;Error in Results and/or Conclusions;
Date6/10/2020 0:00
Signalé par OpenAlex ?Oui

Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».

Notice bibliographique

RevueJAMA Psychiatry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensMcMaster UniversityUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésPsychologyMedicineMEDLINEPsychiatryClinical psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Importance: Antidepressants are commonly used to treat major depressive disorder (MDD). Antidepressant outcomes can vary based on individual differences; however, it is unclear whether specific factors determine this variability or whether it is at random. Objective: To investigate the assumption of systematic variability in symptomatic response to antidepressants and to assess whether variability is associated with MDD severity, antidepressant class, or study publication year. Data Sources: Data used were updated from a network meta-analysis of treatment with licensed antidepressants in adults with MDD. The Cochrane Central Register of Controlled Trials, CINAHL, Embase, LILACS database, MEDLINE, MEDLINE In-Process, and PsycInfo were searched from inception to March 21, 2019. Additional sources were international trial registries and sponsors, drug companies and regulatory agencies' websites, and reference lists of published articles. Data were analyzed between June 8, 2020, and June 13, 2020. Study Selection: Analysis was restricted to double-blind, randomized placebo-controlled trials with depression scores available at the study's end point. Data Extraction and Synthesis: Baseline means, number of participants, end point means and SDs of total depression scores, antidepressant type, and publication year were extracted. Main Outcomes and Measures: Log SDs (bln σ̂) were derived for treatment groups (ie, antidepressant and placebo). A random-slope mixed-effects model was conducted to estimate the difference in bln σ̂ between treatment groups while controlling for end point mean. Secondary models determined whether differences in variability between groups were associated with baseline MDD severity; antidepressant class (selective serotonin reuptake inhibitors and other related drugs; serotonin and norepinephrine reuptake inhibitors; norepinephrine-dopamine reuptake inhibitors; noradrenergic agents; or other antidepressants); and publication year. Results: In the 91 eligible trials (18 965 participants), variability in response did not differ significantly between antidepressants and placebo (bln σ̂, 1.02; 95% CI, 0.99-1.05; P = .19). This finding is consistent with a range of treatment effect SDs (up to 16.10), depending on the association between the antidepressant and placebo effects. Variability was not associated with baseline MDD severity or publication year. Responses to noradrenergic agents were 11% more variable than responses to selective serotonin reuptake inhibitors (bln σ̂, 1.11; 95% CI, 1.01-1.21; P = .02). Conclusions and Relevance: Although this study cannot rule out the possibility of treatment effect heterogeneity, it does not provide empirical support for personalizing antidepressant treatment based solely on total depression scores. Future studies should explore whether individual symptom scores or biomarkers are associated with variability in response to antidepressants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,306
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,295

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,306
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0080,010
Études des sciences et des technologies0,0030,005
Communication savante0,0060,010
Science ouverte0,0090,006
Intégrité de la recherche0,0130,016
Charge utile insuffisante (le modèle a refusé de juger)0,0600,026

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,293
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA PsychiatryMême sujetTreatment of Major DepressionTravaux en français237 207