Relative effectiveness of augmentation treatments for treatment-resistant depression: a systematic review and network meta-analysis
Notice bibliographique
Résumé
Most interventions for treatment-resistant depression (TRD) are added as augmenters. We aimed to determine the relative effectiveness of augmentation treatments for TRD. This systematic review and network meta-analysis (NMA) sought all randomized trials of pharmacological and psychological augmentation interventions for adults meeting the most common clinical criteria for TRD. The NMA compared the intervention effectiveness of depressive symptoms for TRD augmentation. Of 36 included trials, 27 were suitable for inclusion in NMA, and no psychological trials could be included in the absence of a common comparator. Antipsychotics (13 trials), mood stabilizers (three trials), NMDA-targeting medications (five trials), and other mechanisms (3 trials) were compared against placebo. NMDA treatments were markedly superior to placebo (ES = 0.91, 95% CI 0.67 to 1.16) and head-to-head NMA suggested that NMDA therapies had the highest chance of being an effective treatment option compared to other pharmacological classes. This study provides the most comprehensive evidence of augmenters' effectiveness for TRD, and our GRADE recommendations can be used to guide guidelines to optimize treatment choices. Although conclusions are limited by paucity of, and heterogeneity between, trials as well as inconsistent reports of treatment safety. This work supports the use of NMDA-targeting medications such as ketamine.
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 | 0,019 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,034 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».