The network structure of core depressive symptom-domains in major depressive disorder following antidepressant treatment: a randomized clinical trial
Notice bibliographique
Résumé
BACKGROUND: Network analysis (NA) conceptualizes psychiatric disorders as complex dynamic systems of mutually interacting symptoms. Major depressive disorder (MDD) is a heterogeneous clinical condition, and very few studies to date have assessed putative changes in its psychopathological network structure in response to antidepressant (AD) treatment. METHODS: In this randomized trial with adult depressed outpatients (n = 151), we estimated Gaussian graphical models among nine core MDD symptom-domains before and after 8 weeks of treatment with either escitalopram or desvenlafaxine. Networks were examined with the measures of cross-sectional and longitudinal structure and connectivity, centrality and predictability as well as stability and accuracy. RESULTS: At baseline, the most connected MDD symptom-domains were fatigue-cognitive disturbance, whereas at week 8 they were depressed mood-suicidality. Overall, the most central MDD symptom-domains at baseline and week 8 were, respectively, fatigue and depressed mood; in contrast, the most peripheral symptom-domain across both timepoints was appetite/weight disturbance. Furthermore, the psychopathological network at week 8 was significantly more interconnected than at baseline, and they were also structurally dissimilar. CONCLUSION: Our findings highlight the utility of focusing on the dynamic interaction between depressive symptoms to better understand how the treatment with ADs unfolds over time. In addition, depressed mood, fatigue, and cognitive/psychomotor disturbance seem to be central MDD symptoms that may be viable targets for novel, focused therapeutic interventions.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».