MétaCan
Menu
Retour à la cohorte
Enregistrement W4229058069 · doi:10.1002/wps.20977

Reappraising the variability of effects of antipsychotic medication in schizophrenia: a meta‐analysis

2022· article· en· W4229058069 sur OpenAlexafffund
Robert A. McCutcheon, Toby Pillinger, Orestis Efthimiou, Marta M. Maslej, Benoit H. Mulsant, Allan H. Young, Andrea Cipriani, Oliver Howes

Notice bibliographique

RevueWorld Psychiatry · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Mental HealthMedical Research CouncilKing's College LondonCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungMaudsley CharityWellcome TrustUniversity of TorontoSouth London and Maudsley NHS Foundation TrustNational Science Foundation
Mots-clésSchizophrenia (object-oriented programming)AntipsychoticPlaceboMedicinePositive and Negative Syndrome ScaleMeta-analysisPsychiatryCorrelationInternal medicineClinical trialClinical psychologyPsychosisAlternative medicine

Résumé

récupéré en direct d'OpenAlex

It is common experience for practising psychiatrists that individuals with schizophrenia vary markedly in their symptomatic response to antipsychotic medication. What is not clear, however, is whether this variation reflects variability of medication-specific effects (also called "treatment effect heterogeneity"), as opposed to variability of non-specific effects such as natural symptom fluctuation or placebo response. Previous meta-analyses found no evidence of treatment effect heterogeneity, suggesting that a "one size fits all" approach may be appropriate and that efforts at developing personalized treatment strategies for schizophrenia are unlikely to succeed. Recent advances indicate, however, that earlier approaches may have been unable to accurately quantify treatment effect heterogeneity due to their neglect of a key parameter: the correlation between placebo response and medication-specific effects. In the present paper, we address this shortcoming by using individual patient data and study-level data to estimate that correlation and quantitatively characterize antipsychotic treatment effect heterogeneity in schizophrenia. Individual patient data (on 384 individuals who were administered antipsychotic treatment and 88 who received placebo) were obtained from the Yale University Open Data Access (YODA) database. Study-level data were obtained from a meta-analysis of 66 clinical trials including 17,202 patients. Both individual patient and study-level analyses yielded a negative correlation between placebo response and treatment effect for the total score on the Positive and Negative Syndrome Scale (PANSS) (ρ=-0.32, p=0.002 and ρ=-0.39, p<0.001, respectively). Using the most conservative of these estimates, a meta-analysis of treatment effect heterogeneity provided evidence of a marked variability in antipsychotic-specific effects between individuals with schizophrenia, with the top quartile of patients experiencing beneficial treatment effects of 17.7 points or more on the PANSS total score, while the bottom quartile presented a detrimental effect of treatment relative to placebo. This evidence of clinically meaningful treatment effect heterogeneity suggests that efforts to personalize antipsychotic treatment of schizophrenia have potential for success.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,087
score de la tête « metaresearch » (Gemma)0,100
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,460

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0870,100
Méta-épidémiologie (sens strict)0,0050,003
Méta-épidémiologie (sens large)0,0230,074
Bibliométrie0,0130,011
Études des sciences et des technologies0,0010,001
Communication savante0,0060,003
Science ouverte0,0040,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,312
Écart entre enseignants0,291 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld PsychiatryMême sujetSchizophrenia research and treatmentTravaux en français237 207