Non-pharmacological treatment-related changes of molecular biomarkers in major depressive disorder: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Major depressive disorder (MDD) is a serious mood disorder and leading cause of disability. Despite treatment advances, approximately 30% of individuals with MDD do not achieve adequate clinical response. Better understanding the biological mechanism(s) underlying clinical response to specific psychopharmacological interventions may help fine tune treatments in order to further modulate their underlying mechanisms of action. However, little is known regarding the effect of non-pharmacological treatments (NPTs) on candidate molecular biomarker levels in MDD. This review aims to identify molecular biomarkers that may elucidate NPT response for MDD. Methods: We performed a systematic review and a multilevel linear mixed-effects meta-analyses, and a meta-regression. Searches were performed in PubMed, Scopus, and PsycINFO in October 2020 and July 2021. Results: From 1387 retrieved articles, 17 and six studies were included in the systematic review and meta-analyses, respectively. Although there was little consensus associating molecular biomarker levels with symptomology and/or treatment response, brain metabolites accessed via molecular biomarker-focused neuroimaging techniques may provide promising information on whether an individual with MDD would respond positively to NPTs. Furthermore, non-invasive brain stimulation interventions significantly increased the expression of neurotrophic factors (NTFs) compared to sham/placebo, regardless of add-on pharmacological treatment. Conclusions: NTFs are candidate biomarkers to fine-tune NIBS for MDD treatment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».