A systematic review and meta-analysis of lipid metabolomic signatures of Major Depressive Disorder
Notice bibliographique
Résumé
The aim of this meta-analysis was to provide a comprehensive synthesis of the evidence examining biomarker signatures in MDD patients including lipids, lipid regulatory proteins (LRP), and polyunsaturated fatty acid (PUFA) as compared to healthy individuals. We performed meta-analyses and meta-regression of the studies comparing lipid, LRP, and PUFA levels between MDD patients and healthy individuals by searching Embase, Ovid Medline, Scopus, PsycINFO, PubMed, and Cochrane databases. Search was performed in these databases up to September 2019 and 29 studies were included. Levels of lipid parameter triglyceride (TG) (SMD 0.55, 95% CI 0.30-0.80, p < 0.0001) were higher while total cholesterol (TC) (SMD = -0.46, 95%CI -0.93 to -0.001, p = 0.04) and very low-density lipoprotein (VLDL) (SMD = -0.46, 95%CI -0.71 to -0.20, p = 0.02) were lower in MDD patients than controls. Subgroup analysis for age showed that the levels of high-density lipoprotein (HDL) were lower in ≥40-year age group (SMD = -0.38, 95%CI -0.70 to -0.06, p = 0.01) and levels of TC was lower in MDD patients in studies from Asian countries (SMD = -0.74, 95%CI -1.37 to -0.10, p = 0.02). TG levels were found to be high all subgroups in MDD patients than controls. A negative association between TC levels and use of lipid lowering medications and a positive association between smoking and LDL levels was found using meta-regression analysis. This study will be useful for physicians when considering the assessment of lipidand LRP profiles in MDD patients to reduce the cardiovascular morbidity and mortality.
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 | 0,014 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,007 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».