The efficacy of transcranial magnetic stimulation (TMS) for negative symptoms in schizophrenia: A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Several trials have shown preliminary evidence for the efficacy of Transcranial Magnetic Stimulation (TMS) as a treatment for negative symptoms in schizophrenia. Here, we synthesize this literature in a systematic review and quantitative meta-analysis of double-blind randomized controlled trials of TMS in patients with schizophrenia. Specifically, MEDLINE, EMBASE, Web of Science, and PsycINFO were searched for sham-controlled, randomized trials of TMS among patients with schizophrenia. The standardized mean difference (SMD, Cohen’s d ) with 95% confidence intervals (CI) was calculated for each study (TMS vs. sham) and pooled across studies using an inverse variance random effects model. We identified 56 studies with a total of 2550 participants that were included in the meta-analysis. The pooled analysis showed statistically significant superiority of TMS (SMD=0.37, 95%CI: 0.23; 0.52, p-value <0.00001), corresponding to a number needed to treat of 5. Furthermore, stratified analyses suggested that TMS targeting the left dorsolateral prefrontal cortex, using a stimulation frequency >1 Hz, and a stimulation intensity at or above the motor threshold, was most efficacious. There was, however, substantial heterogeneity and high risk of bias among the included studies. In conclusion, TMS appears to be an efficacious treatment option for patients with schizophrenia suffering from negative symptoms, but the optimal TMS parameters have yet to be resolved.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,000 | 0,003 |
| 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 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 ».