Patient Perceptions of Microbiome-Based Therapies as Novel Treatments for Mood Disorders: A Mixed Methods Study: Perceptions des patients sur les thérapies basées sur le microbiome pour les troubles de l’humeur : une étude à méthodes mixtes
Notice bibliographique
Résumé
OBJECTIVE: Medications are critical for treating major depressive disorder (MDD) and bipolar disorder (BD). Unfortunately, 30% to 40% of individuals do not respond well to current pharmacotherapy. Given the compelling growing body of research on the gut-brain axis, this study aims to assess patient perspectives regarding microbiome-based therapies (MBT) such as probiotics, prebiotics, dietary changes, or fecal microbiota transplantation (FMT) in the management of MDD and BD. METHODS: This single-centred observational study used quantitative and qualitative assessments to examine patient perceptions of MBT. Participants diagnosed with MDD or BD completed an anonymous questionnaire obtaining demographics, prior medication history, and symptom burden. Self-assessment questionnaires specific to each diagnosis were also used: Quick Inventory of Depressive Symptomatology Self-Report (QIDS-SR), Altman Self-Rating Mania Scale (ASRM), and General Anxiety Disorder Questionnaire (GAD-7). A logistic regression model analysed the association of MBT acceptance with disorder type, QIDS-SR, and GAD-7 scores. A bootstrap method assessed the proportion of MBT acceptance. The qualitative assessment consisted of 30-minute interviews to elicit perceptions and attitudes towards MBT. RESULTS: = 43) showed probiotics (37.2%) as the top choice, followed by FMT (32.6%), dietary change (25.6%), and prebiotics (4.6%). A majority of participants (72.1%) expressed willingness to try MBT for their mood disorder, however, logistic regression analysis did not identify statistically significant predictors for MBT acceptance among disorder type, QIDS-SR, and GAD-7. CONCLUSION: There is an increased focus on the gut microbiota's role in mood disorders' etiology and treatment. Promising research and patient interest underscore the necessity for exploring and educating on patient perspectives and the factors influencing attitudes towards MBT.
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 | 0,023 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».