Prognostic factors in major depressive disorder: comparing responders and non‐responders to Repetitive Transcranial Magnetic Stimulation (<scp>rTMS</scp>), a naturalistic retrospective chart review
Notice bibliographique
Résumé
AIM: Repetitive transcranial magnetic stimulation (rTMS) is widely utilized as an effective treatment for major depressive disorder (MDD) with varying response rates. Factors associated with better treatment outcome remain scarce. This naturalistic retrospective chart review hopes to shed light on easily obtainable and measurable predictive factors for patients referred to rTMS. METHODS: Protocol parameters, medication, rated scales, rTMS protocols, and treatment outcomes were reviewed for 196 patients with MDD who received rTMS at Saint Boniface Hospital between 2013 and 2019. Logistic regression and marginal effects were used to assess the different predictor variables for response (50% reduction or more on the Hamilton Depression Rating Scale (Ham-D)) and remission (Ham-D of ≤7 by the last session). RESULTS: HamD at 10 sessions was predictive of remission, and Sheehan Disability Scale (SDS) at 10 sessions was predictive of response to rTMS. Ham-D, SDS, and Beck Anxiety Inventory were predictive of remission and response by Beck Anxiety Inventory 20 sessions. High frequency rTMS had a similar response and remission rate to low frequency, but higher response rate to intermittent Theta Burst Stimulation with no difference in remission rate. Positive predictive factors of response were lower age and bupropion use. Negative predictive factors were antipsychotics, anticonvulsants, or benzodiazepine use. For remission, antipsychotics or anticonvulsants use were negative predictors; bupropion use and higher resting motor threshold were positive predictors. Severity of depression as measured by baseline HamD was not associated with different probabilities of treatment 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 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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».