Donepezil for dementia with Lewy bodies: meta‐analysis of multicentre, randomised, double‐blind, placebo‐controlled phase <scp>II</scp>, <scp>III</scp>, and, <scp>IV</scp> studies
Notice bibliographique
Résumé
Abstract Background Current evidence for the management of symptoms associated with dementia with Lewy bodies (DLB) using donepezil is limited. We conducted a meta‐analysis of three randomised controlled trials of donepezil in patients with DLB to investigate the overall efficacy of donepezil on Mini‐Mental State Examination (MMSE), Neuropsychiatric Inventory (NPI), and Clinician's Interview‐Based Impression of Change‐plus Caregiver Input (CIBIC‐plus). Methods A meta‐analysis was performed using the data of 312 patients administered placebo or 10 mg donepezil. Overall mean score differences for MMSE, NPI‐2, and NPI‐10 from baseline to week 12 and their 95% confidence intervals (CI) were estimated. For CIBIC‐plus, which was transformed from a seven‐point grade to a dichotomous outcome (improvements/no improvements), odds ratio (OR) and its 95% CI were estimated. Random‐effects models were used, and heterogeneity was evaluated using the Cochrane's Q test and I 2 statistic. Results Heterogeneity was suspected for NPI‐2 ( P < 0.05; I 2 = 87.2%) and NPI‐10 ( P < 0.05; I 2 = 67.7%) while it was not suspected for MMSE ( P = 0.23; I 2 = 32.4%) and CIBIC‐plus ( P = 0.26; I 2 = 19.8%). The overall mean MMSE score difference (mean difference: 1.50; 95% CI, 0.67–2.34) and the overall odds of improving CIBIC‐plus (OR: 2.20; 95% CI, 1.13–4.26) from baseline to week 12 were higher in the donepezil group than in the placebo group. Conclusion Results of our meta‐analysis indicated overall efficacy of donepezil on cognitive impairment and global clinical status in patients with DLB.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,008 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».