Cariprazine’s efficacy in treating affective symptoms – pooled data from schizophrenia and bipolar depression trials
Notice bibliographique
Résumé
Introduction Affective symptoms are a common feature of schizophrenia and define bipolar disorder. Alterations in dopamine neurotransmission and activity at D3-D2 receptors is associated with depressive symptoms providing the rationale for targeting D3-D2 receptors with partial agonists. Objectives The aim of the analysis herein is to examine and compare the efficacy of cariprazine in treating affective symptoms in both schizophrenia and bipolar depression. Methods Data from 3 schizophrenia [NCT00694707, NCT01104766, NCT01104779] and 3 bipolar I depression studies [NCT013896447, NCT02670538, NCT0267055] were pooled for the analyses. To investigate efficacy across individual affective symptoms, the Marder anxiety/depression and negative symptom items of the Positive and Negative Syndrome Scale (PANSS) and single items of the Montgomery-Asberg Depression Rating Scale (MADRS) were analysed. Improvement across affective symptoms was examined primarily evaluating least square mean differences (LSMDs) in comparison to placebo in mean change from baseline. Results The pooled ITT population was comprised of persons with schizophrenia (placebo=442, cariprazine=1024) and bipolar disorder (placebo=460, cariprazine=923). Cariprazine resulted in a significantly greater reduction when compared to placebo in three out of the four Marder anxiety/depression items; anxiety (p<0.01), tension (p<0.001) and depression (p<0.05). Similarly, cariprazine was significantly better than placebo in 9 out of the 10 MADRS individual items; apparent sadness (p<0.001), reported sadness (p<0.001), reduced sleep (p<0.05), reduced appetite (p<0.001), concentration difficulties (p<0.001), lassitude (p<0.001), inability to feel (p<0.001), pessimistic thoughts (p<0.01) and suicidal thoughts (p<0.05). Conclusions The results herein indicate that cariprazine treatment is significantly effective at treating affective symptoms in persons with both schizophrenia and bipolar I depression. Disclosure I am an employee of Gedeon Richter Plc.
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 | 0,013 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,011 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».