MétaCan
Menu
Retour à la cohorte
Enregistrement W4224452049 · doi:10.1016/j.cpnec.2022.100133

Allostatic load as a predictor of response to repetitive transcranial magnetic stimulation in treatment resistant depression: Research protocol and hypotheses

2022· article· en· W4224452049 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueComprehensive Psychoneuroendocrinology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTranscranial Magnetic Stimulation Studies
Établissements canadiensCentre Hospitalier de l’Université de MontréalInstitut Universitaire en Santé Mentale de QuébecUniversité de Montréal
Organismes subventionnairesUniversité de Montréal
Mots-clésTranscranial magnetic stimulationDepression (economics)MedicineBody mass indexBlood pressureInternal medicineMoodAllostatic loadWaistPhysical therapyChronic stressPsychologyClinical psychologyStimulationGerontology

Résumé

récupéré en direct d'OpenAlex

Treatment resistant depression is challenging because patients who fail their initial treatments often do not respond to subsequent trials and their course of illness is frequently marked by chronic depression. Repetitive transcranial magnetic stimulation (rTMS) is a well-established treatment alternative, but there are several limitations that decreases accessibility. Identifying biomarkers that can help clinicians to reliably predict response to rTMS is therefore necessary. Allostatic load (AL), which represents the 'wear and tear' on the body and brain which accumulates as an individual is exposed to chronic stress could be an interesting staging model for TRD and help predict rTMS treatment response. We propose an open study which aims to test whether patients with a lower pre-treatment AL will have a stronger antidepressant response to 4 week-rTMS treatment. We will also assess the relation between healthy lifestyle behaviors, AL, and rTMS treatment response. Blood samples for AL parameters will be collected before the treatment. The AL indices will summarize neuroendocrine (cortisol, Dehydroepiandrosterone), immune (CRP, fibrinogen, ferritin), metabolic (glycosylated hemoglobin, total cholesterol, high-density lipoprotein, low-density lipoprotein, triglycerides, uric acid, body mass index, waist circumference), and cardiovascular (heart rate, systolic and diastolic blood pressure) functioning. Mood assessment (Montgomery-Åsberg Depression Rating Scale and Inventory of Depressive symptomatology) will be measured before the treatment and at two-week intervals up to 4 weeks. With the help of different lifestyle questionnaires, a healthy lifestyle index (i.e., a single score based on lifestyle factors) will be created. We will use linear and logistic regressions to assess AL in relation to changes in mood score. Hierarchical regression will be done in order to assess the association between AL, healthy lifestyle index and mood score. Long-lasting and unsuccessful antidepressant trials may increase the chance of not responding to future trials of antidepressants and it can therefore increase treatment resistance. It is essential to identify reliable biomarkers that can predict treatment responses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,395
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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