Pharmacological management of neurocognitive impairment in schizophrenia: A narrative review
Notice bibliographique
Résumé
BACKGROUND: Cognitive impairment are among the core features of schizophrenia, experienced by up to 75% of patients. Available treatment options for schizophrenia including dopamine antagonists and traditional antipsychotic medications have not been shown to confer significant benefits on cognitive deficits. Contrary to the focus on management of positive symptoms in schizophrenia, cognitive abilities are main predictor of independent living skills, functional abilities, employment, engagement in relapse prevention, and patients' subjective sense of well-being and quality of life. This review aims to provide a summary of recent literature on pharmacological options for the treatment of cognitive deficits in schizophrenia. METHODS: We conducted a literature search of studies from 2011 to 2021 across four electronic databases including PubMed, PsycInfo, MEDLINE, and Embase. Human studies using a pharmacological treatment for cognitive impairment in schizophrenia were included. RESULTS: Fifty-eight eligible publications, representing 11 pharmacological classes, were included in this review. Major limitations involved small sample size, methodological limitations as well as heterogeneity of participants and outcome measures. CONCLUSIONS: Overall evidence remains inconclusive for any pharmacological classes studied for the treatment of cognitive deficits in schizophrenia. Methodological limitations in a majority of the studies rendered their findings preliminary. We further discuss possible explanations for these findings that could guide future research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».