The Pattern of Change in Depressive Symptoms and Inflammatory Markers After Electroconvulsive Therapy
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
ABSTRACT: Depression is a major mental health disorder, and its pathophysiology is still largely unknown, as is the action mechanism of electroconvulsive therapy (ECT). Some evidence suggests that inflammation might play a role in depression, and several studies have attempted to demonstrate a link between ECT and cytokines. This systematic review used a qualitative analysis to assess the effect of ECT on inflammatory markers as it relates to the clinical response of depressive symptoms in major depressive disorders. The bibliographic search engines CINAHL, Embase, PsychInfo, and PubMed were used to identify articles published up to July 2020. Search terms related to depression, ECT, and inflammation were used. Descriptive statistical analyses were performed to relate changes in inflammatory markers to clinical response to ECT. Twenty-five studies were included in the analysis. No systematic increases or decreases were found in a given inflammatory marker over the ECT; however, we observed that tumor necrosis factor α and interleukin-6 (IL-6) were more often found to be decreased after ECT, whereas IL-8 and IL-10 were more often found to be increased after treatment. No trend in correlation was found between the degree of clinical improvement of depressive symptoms and the variation of any inflammatory markers, despite positive clinical response to ECT. Great heterogeneity with regard to methodology used and lack of power of the studies included in this review could explain the lack of systematic change and correlation found in this study. Future research conducted on this subject should take into account these methodological limitations to allow subsequent meta-analysis.
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 | 0,000 |
| 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 | 0,000 | 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