Intranasal ketamine as a treatment for psychiatric complications of long COVID: A case report
Notice bibliographique
Résumé
Background: Neuropsychiatric symptoms associated with long COVID are a growing concern. A proposed pathophysiology is increased inflammatory mediators. There is evidence that typical serotonergic antidepressants have limited efficacy in the presence of inflammation. Although ketamine has shown promise in MDD, there is limited evidence supporting the use of ketamine to treat depressive symptoms associated with long COVID. Case Report: This case took place on an inpatient psychiatry unit in a Canadian hospital. The patient was admitted with a 10-month history of worsening depression and suicidality following infection with COVID-19. Depressive symptoms and suicidal ideation were assessed throughout treatment using the Montgomery-Asberg Depression Rating Scale (MADRS). Written informed consent was obtained prior to data collection. This patient received 4 doses of intranasal ketamine which resulted in rapid improvement of depressive symptoms and complete resolution of suicidality with no major adverse events. Discussion: There is evidence to support long COVID symptoms result from dysregulated inflammatory processes. The presence of inflammation in patients with MDD has correlated to poor outcomes with first-line antidepressants. It has been demonstrated that IV ketamine is associated with decreased inflammatory mediators and proportional decrease in depressive symptoms. Conclusions: Intranasal ketamine in this case was effective at treating depressive symptoms and suicidal ideation associated with long COVID. This is consistent with available data that demonstrates ketamine's efficacy in reducing inflammatory mediators associated with neuropsychiatric symptoms. Therefore, ketamine may be a potential therapeutic option to treat long COVID and persistent depressive symptoms.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».