Efficacy and safety of topiramate in binge eating disorder: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: To assess the efficacy and safety of topiramate in treating binge eating disorder (BED), using a systematic review and meta-analysis of the available randomized clinical trials (RCTs). METHODS: The RCTs assessing topiramate vs placebo with or without adjunctive psychotherapy in BED were reviewed using a systematic search in the PubMed, Web of Science, PsycINFO, Cochrane Database of Systematic Review, and ClinicalTrials.gov search Websites, from inception to November 2019. Main outcomes were the changes in binge frequency, quality of life, and weight, respectively. Effect estimates were pooled using random-effect models and presented as risk ratios (RRs) or mean differences (MDs) and their 95% confidence interval (95% CI). Data extraction was performed by two independent reviewers. RESULTS: Three studies were eligible for inclusion, involving 528 BED patients. Topiramate was found to be significantly more efficacious than placebo in reducing: (a) the number of binge episodes per week (MD = -1.31; 95% CI = -2.58 to -0.03; I2 = 94%); (b) the number of binge days per week (MD = -0.98; 95% CI = -1.80 to -0.16; I2 = 94%); and (c) weight (MD = -4.91 kg; 95% CI = -6.42 to -3.41; I2 = 10%). However, participants in the topiramate groups withdrew significantly more frequently for safety reasons, relative to placebo participants (RR = 1.90; 95% CI = 1.13-3.18, I2 = 0%). CONCLUSIONS: Preliminary findings support a possible efficacy of topiramate for the treatment of BED, even if safety concerns could limit the practical use of this treatment in BED subjects.
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 | 0,021 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,041 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».