MétaCan
Menu
Retour à la cohorte
Enregistrement W4385556714 · doi:10.1016/j.eclinm.2023.102127

Ketamine for the treatment of major depression: a systematic review and meta-analysis

2023· review· en· W4385556714 sur OpenAlexafffund
Stevan Nikolin, Anthony Rodgers, Andreas Schwaab, Anees Bahji, Carlos A. Zarate, Gustavo Vázquez, Colleen Loo

Notice bibliographique

RevueEClinicalMedicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on Drug AbuseNational Health and Medical Research CouncilCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term CareYale University
Mots-clésMedicineMeta-analysisDepression (economics)KetamineTreatment-resistant depressionPsychiatryInternal medicineMajor depressive disorderCognition

Résumé

récupéré en direct d'OpenAlex

Background: Intranasal esketamine has received regulatory approvals for the treatment of depression. Recently a large trial of repeated dose racemic ketamine also demonstrated efficacy in severe depression. However, uncertainties remain regarding comparative efficacy, dosage, and the time course of response. Methods: In this systematic review and meta-analysis, we searched Embase, Medline, Pubmed, PsycINFO, and CENTRAL up to April 13, 2023, for randomised controlled trials (RCTs) investigating ketamine for depression. Two investigators independently assessed study eligibility and risk of bias and extracted the data on depression severity scores, response and remission rates, and all-cause dropouts. Multivariable mixed-effects meta-regressions incorporated drug formulation (racemic (Rac) or esketamine (Esket)) and dose (Low or High) as covariates. Treatment effects were assessed: immediately following the first dose, during further repeated dosing, and follow-up after the final dose of a treatment course. This study is registered with PROSPERO (CRD42021221157). Findings: The systematic review identified 687 articles, of which 49 RCTs were eligible for analysis, comprising 3299 participants. Standardised mean differences (95% confidence intervals) immediately following the first/single treatment were moderate-high for all conditions (Rac-High: -0.73, -0.91 to -0.56; Esket-High: -0.48, -0.75 to -0.20; Rac-Low: -0.33, -0.54 to -0.12; Esket-Low: -0.55, -0.87 to -0.24). Ongoing effects during repeated dosing were significantly greater than the control for Rac-High (-0.61; -1.02 to -0.20) and Rac-Low (-0.55, -1.09 to -0.00), but not Esket-Low (-0.15, -0.49 to 0.19) or Esket-High (-0.22, -0.54 to 0.10). At follow-up effects remained significant for racemic ketamine (-0.65; -1.23 to -0.07) but not esketamine (-0.33; -0.96 to 0.31). All-cause dropout was similar between experiment and control conditions for both formulations combined (Odds Ratio = 1.18, 0.85-1.64). Overall heterogeneity varied from 5.7% to 87.6. Interpretation: Our findings suggested that effect sizes for depression severity, as well as response and remission rates, were numerically greater for racemic ketamine than esketamine. Higher doses were more effective than low doses. Differences were evident in initial effects, ongoing treatment, and lasting effects after the final dose. Funding: None.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,029
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,034
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,353
Tête enseignante GPT0,501
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations163
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetTreatment of Major DepressionTravaux en français237 207