Interactions between neuroticism and stressful life events predict response to pharmacotherapy for major depression: A CAN‐BIND 1 report
Notice bibliographique
Résumé
Exposure to stressful life events and individual differences in the personality trait neuroticism are important risk factors that interact to predict major depressive disorder (MDD). Less is known about their effect on treatment response in depression. Here, we examine whether stressful life events experienced prior to and during treatment interact with neuroticism to predict response to 16-week pharmacotherapy for MDD. Participants included 159 outpatients with MDD who were initially treated with 8 weeks of escitalopram. Those who responded to the initial treatment continued on escitalopram monotherapy, whereas non-responders received 8 weeks of adjunctive aripiprazole. Personality was assessed using the NEO-Five Factor Inventory, and stressful life events were assessed using the Life Events and Difficulties Schedule, a rigorous contextual interview that includes independent ratings of threatening life events. High baseline neuroticism was associated with a lower likelihood of response when patients experienced one or more negative life events before treatment. Secondary analyses indicated that this effect was specific to neuroticism, and not better accounted for by its self-criticism or negative affect facets. Our results suggest that assessing personality and stressful life events at baseline can help clinicians assess which patients will respond to antidepressant therapy and which may need treatment augmentation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».