MétaCan
Menu
Retour à la cohorte
Enregistrement W3035223437 · doi:10.4088/jcp.20m13229

Symptom Dimension of Interest-Activity Indicates Need for Aripiprazole Augmentation of Escitalopram in Major Depressive Disorder

2020· article· en· W3035223437 sur OpenAlexafffundabout
Rudolf Uher, Benício N. Frey, Lena C. Quilty, Susan Rotzinger, Pierre Blier, Jane A. Foster, Daniel J. Müller, Arun Ravindran, Cláudio N. Soares, Gustavo Turecki, Sagar V. Parikh, Roumen Milev, Glenda MacQueen, Raymond W. Lam, Sidney H. Kennedy

Notice bibliographique

RevueThe Journal of Clinical Psychiatry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensUniversity Health NetworkUniversity of British ColumbiaUniversity of CalgaryDouglas Mental Health University InstituteProvidence Health CareSt. Joseph’s Healthcare HamiltonRoyal Ottawa Mental Health CentreMcGill UniversityUniversity of OttawaSt. Michael's HospitalNova Scotia Health AuthorityCentre for Addiction and Mental HealthQueen's UniversityMcMaster UniversityUniversity of TorontoHotchkiss Brain InstituteDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEscitalopramAripiprazoleMajor depressive disorderDepression (economics)Internal medicinePartial agonistPsychologyAntidepressantAgomelatinePsychiatryMedicineAgonistMoodSchizophrenia (object-oriented programming)Anxiety

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Differential predictors of response to alternative treatment options are needed to improve the outcomes in major depressive disorder. The symptom dimension comprising loss of interest and reduced activity has been reported as a predictor of poor outcome of treatment with antidepressants. We hypothesized that augmentation with partial dopamine agonist aripiprazole will be effective for individuals with pronounced interest-activity symptoms. METHODS: We tested the hypothesis in the 2-phase Canadian Biomarker Integration Network in Depression trial 1 (CAN-BIND-1). All participants had a primary diagnosis of major depressive disorder confirmed with the Mini-International Neuropsychiatric Interview. In phase 1, 188 individuals received escitalopram monotherapy 10-20 mg daily for 8 weeks. In phase 2, nonresponders received augmentation with aripiprazole 2-10 mg daily while responders continued escitalopram monotherapy for another 8 weeks. Outcomes were measured with the Montgomery-Åsberg Depression Rating Scale (MADRS) every 2 weeks. Effects of baseline interest-activity symptoms on outcomes were tested in repeated-measures mixed-effects models. RESULTS: Higher baseline interest-activity score (indicative of more severe loss of interest and reduction in activity) predicted worse outcome of escitalopram monotherapy in phase 1 (b = 1.75; 95% CI, 0.45 to 3.05; P = .009), but the association disappeared with the augmentation option in phase 2 (b = -0.19; 95% CI, -1.30 to 0.92; P = .739). A significant interaction between the baseline interest-activity score and aripiprazole reflected the opposite direction of the relationship between baseline interest-activity score and degree of improvement with escitalopram monotherapy versus aripiprazole augmentation (b = -1.60; 95% CI, -2.35 to -0.84; P < .001). CONCLUSIONS: Individuals with prominent loss of interest and reduction in activity benefit less from escitalopram monotherapy and more from aripiprazole augmentation. Future trials may test the benefits of early prodopaminergic augmentation guided by interest-activity symptoms. TRIAL REGISTRATION: ClinicalTrials.gov identifier: NCT01655706.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,404
Écart entre enseignants0,319 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical PsychiatryMême sujetTreatment of Major DepressionTravaux en français237 207