Non-invasive neuromodulation of dorsolateral prefrontal cortex to reduce craving in alcohol use disorder: A meta-analysis
Notice bibliographique
Résumé
While several pharmacological and behavioral treatments are available for alcohol use disorder (AUD), they may not be effective for all patients. The aim of this systematic review and meta-analysis was to evaluate the efficacy and safety of rTMS and tDCS for craving in AUD. EMBASE, Cochrane Library, PsycINFO, and PubMed databases were searched for original, peer-reviewed research articles in the English language published between January 2000 and January 2022. Randomized controlled trials (RCTs) reporting changes in alcohol craving among patients with AUD were selected. Random-effects meta-analysis was employed to pool data. Changes in alcohol craving were extracted from 15 RCTs. Six studies assessed the efficacy of rTMS while nine studies examined tDCS. Results demonstrated that in comparison to sham stimulation, active rTMS to the DLPFC yields small but significant reductions in alcohol craving (standardized mean difference [SMD] = -0.27, p = .03). However, DLPFC stimulation via tDCS was not superior to sham stimulation in producing changes in alcohol craving (SMD = -0.08, p = .59). Our meta-analysis suggests that rTMS may be superior to tDCS in reducing alcohol craving in patients with AUD. However, additional research is needed to identify optimal stimulation parameters for both non-invasive neuromodulatory techniques in AUD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,035 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».