Clustering patients by depression symptoms to predict venlafaxine ER antidepressant efficacy: Individual patient data analysis
Notice bibliographique
Résumé
To identify clusters of patients with major depressive disorder (MDD) based on the baseline 17-item Hamilton Rating Scale for Depression (HAM-D17) items and to evaluate the efficacy of venlafaxine extended release (VEN) vs placebo, and the potential effect of dose on efficacy, in each cluster. Cluster analysis was performed to identify clusters based on standardized HAM-D17 item scores of individual patient data at baseline from 9 double-blind, placebo-controlled studies of VEN for MDD. Change from baseline in HAM-D17 total score was analyzed using a mixed-effects model for repeated measures for each cluster; response and remission rates at week 8 were analyzed using logistic regression. Discontinuation rates were also evaluated in each cluster. In 2599 patients, 3 patient clusters were identified, characterized as High modified Core (mCore) Symptoms/High Anxiety (cluster 1), High mCore Symptoms/Medium Anxiety (cluster 2), and Medium mCore Symptoms/Medium Anxiety (cluster 3). Significant effects of VEN vs placebo were observed on change from baseline in HAM-D17 total score at week 8 for both clusters 1 and 2 (both P < 0.001), but not for cluster 3. In cluster 3, a significant treatment effect of VEN was observed at week 8 in the lower-dose subgroup but not in the higher-dose subgroup. All-cause discontinuation rates were significantly higher in placebo than VEN in each cluster. Three unique clusters of patients were identified differing in baseline mCore symptoms and anxiety. Cluster membership may predict efficacy outcomes and contribute to dose effects in patients treated with VEN. NCT01441440; other studies included in this analysis were conducted before the requirement to register clinical studies took effect.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».