Impact of Supplementation and Nutritional Interventions on Pathogenic Processes of Mood Disorders: A Review of the Evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This narrative review was conducted using searches of the PubMed/Medline and Google Scholar databases from inception to November 2019. Clinical trials and relevant articles were identified by cross-referencing major depressive disorder (and/or variants) with the following terms: folate, homocysteine, S-adenosylmethionine (SAMe), L-acetylcarnitine, alpha-lipoic acid, N-acetylcysteine, L-tryptophan, zinc, magnesium, vitamin D, omega-3 fatty acids, coenzyme Q10, and inositol. Manual reviews of references were also performed using article reference lists. Abnormal levels of folate, homocysteine, and SAMe have been shown to be associated with a higher risk of depression. Numerous studies have demonstrated antidepressant activity with L-methylfolate and SAMe supplementation in individuals with depression. Additionally, the amino acids L-acetylcarnitine, alpha-lipoic acid, N-acetylcysteine, and L-tryptophan have been implicated in the development of depression and shown to exert antidepressant effects. Other agents with evidence for improving depressive symptoms include zinc, magnesium, omega-3 fatty acids, and coenzyme Q10. Potential biases and differences in study designs within and amongst the studies and reviews selected may confound results. Augmentation of antidepressant medications with various supplements targeting nutritional and physiological factors can potentiate antidepressant effects. Medical foods, particularly L-methylfolate, and other supplements may play a role in managing depression in patients with inadequate response to antidepressant therapies.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle