Predictors of response to pharmacotherapy in children and adolescents with psychiatric disorders: A combined post hoc analysis of four clinical trial data
Notice bibliographique
Résumé
OBJECTIVE: The prediction of response to pharmacotherapy has not been sufficiently explored in children and adolescents with psychiatric disorders, which was addressed in this study. METHODS: Data from four double-blind, placebo-controlled studies (sertraline and fluvoxamine for anxiety disorders, risperidone for autistic disorder, and fluoxetine for major depressive disorder) in children and adolescents funded by the National Institute of Mental Health were used. The response was defined as a score of 1 or 2 on the Clinical Global Impression-Global Improvement (CGI-I) at the endpoint. Logistic regression analysis was performed to evaluate associations between response status and the following variables: sex, diagnosis, treatment allocation, and CGI-Severity of Illness (CGI-S) score at baseline. Moreover, the presence of early improvement (a score of ≤3 in the CGI-I) at Week 1 was added to the independent variables in an additional binary logistic regression analysis, using the data from two studies. RESULTS: A total of 599 patients were included in the analysis. In the binary logistic regression analysis, active drug use (odds ratio [OR] = 8.64, P < 0.001) and female sex (OR = 1.89, P = 0.002) were significantly associated with treatment response. In the second binary logistic regression, the presence of early improvement in the CGI-I (OR = 3.47, P = 0.009), as well as active drug use (OR = 15.05, P < 0.001) and female sex (OR = 2.87, P = 0.016), were associated with subsequent responses. CONCLUSION: Allocation to active drugs, female sex, and early improvement may predict treatment response to pharmacotherapy among children and adolescents with psychiatric disorders.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».