Pharmacological Treatment of Bipolar Depression: A Review of Observational Studies
Notice bibliographique
Résumé
The persistence of depressive morbidity is frequent in bipolar disorder, and the pharmacological management of this symptomatology often lacks effectiveness. This systematic review aimed to summarize the results of the naturalistic observational studies on the pharmacological treatment of bipolar depression published through April 2022. The certainty of evidence was evaluated according to the GRADE approach. In sum, 16 studies on anticonvulsants, 20 on atypical antipsychotics, 2 on lithium, 28 on antidepressants, and 9 on other compounds were found. Lamotrigine, quetiapine, aripiprazole, and ketamine were the most investigated compounds. Overall, the results support the recommendations regarding the effectiveness of lamotrigine and quetiapine. In contrast to the current recommendations, aripiprazole was shown to be effective and generally well tolerated. Additionally, SSRIs were shown to be effective, but, since they were associated with a possibly higher switch risk, they should be used as an adjunctive therapy to mood stabilizers. Lithium was only studied in two trials but was shown to be effective, although the serum concentrations levels were not associated with clinical response. Finally, ketamine showed divergent response rates with a low certainty of evidence and, so far, unclear long-term effects. Heterogeneity in diagnosis, sample sizes, study designs, reporting of bias, and side effects limited the possibility of a head-to-head comparison.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».