Deep brain stimulation for substance use disorder: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objective: Substance use disorder (SUD) is a significant public health issue with a high mortality rate. Deep brain stimulation (DBS) has shown promising results in treating SUD in certain cases. In this study, we conducted a meta-analysis to evaluate the efficacy of DBS in the treatment of SUD and reduction of relapse rates. Methods: We performed a thorough and methodical search of the existing scientific literature, adhering to the PRISMA guidelines, to identify 16 original studies that fulfilled our inclusion criteria. We used the evidence levels recommended by the Oxford Centre for Evidence-Based Medicine to assess bias. The R version 4.2.3 software was utilized to calculate the mean effect size. We estimated study heterogeneity by employing tau2 and I2 indices and conducting Cochran's Q test. Results: The results showed that DBS treatment resulted in a significant improvement in the clinical SUD scales of patients, with an average improvement of 59.6%. The observed relapse rate was 8%. The meta-analysis estimated a mean effect size of 55.9 [40.4; 71.4]. Heterogeneity analysis showed a large degree of heterogeneity among the included studies. Subgroup and meta-regression analysis based on age and SUD type suggested that DBS may be more effective for patients above 45 years of age, and for alcohol and opioid addiction compared to nicotine addiction. Conclusion: The current literature suggests that DBS has a moderate effect on SUD symptoms. However, the limited number of studies and small sample size indicate that more research is needed to better understand the factors that influence its effectiveness.
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 | 0,013 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,043 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».