A Computational Model to Characterize the Time-Course of Response to Rapid Antidepressant Therapies
Notice bibliographique
Résumé
Objective: To propose a method capable of disentangling the magnitude, the speed, and the duration or decay rate of the time course of response to rapid antidepressant therapies. Methods: We introduce a computational model of the time course of response to a single treatment with a rapid antidepressant. Numerical simulation is used to evaluate whether model parameters can be accurately estimated from observed data. Finally, we compare our computational modelling-based approach with linear mixed effects modelling in terms of their ability to detect changes in the magnitude and time-course of response to rapid antidepressant therapies in simulated randomized trials. Results: Simulation experiments show that the parameters of our computational model can be accurately recovered using nonlinear least squares. Parameter estimation accuracy is stable over noise levels reaching as high as 25% of the true antidepressant effect magnitude. Comparison of our approach to mixed effects modelling using simulated randomized controlled trial data demonstrates an inability of linear mixed models to disentangle effect magnitude and time course, while our computational model accurately separates these response components. Conclusions: Our modelling approach may accurately identify the (A) magnitude, (B) speed, and (C) durability or decay rate of response to rapid antidepressant therapies. Future studies should fit this model to data from real clinical trials, and use resulting parameter estimates to uncover predictors and causes of different elements of the temporal course of antidepressant response.
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 | 0,011 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».