Therapeutic Potential of Buprenorphine in Depression: A Meta-Analysis of Current Evidence
Notice bibliographique
Résumé
Background: Emerging research indicates buprenorphine, used in management of opioid use disorder, has attracted interest for its potential in treating a variety of psychiatric conditions. This meta-analysis aimed to determine the efficacy of buprenorphine in treating symptoms of depression. Methods: Using Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines, a search was conducted of several databases until April 25, 2022, for English language articles related to buprenorphine and its use in treating various mental health conditions. Standardized mean differences (SMDs) and its 95% confidence intervals (CIs) were reported for the Hamilton Rating Scale for Depression (HAM-D) and the Montgomery-Asberg Depression Rating Scale (MADRS) scores. Statistical analyses were performed using Cochrane RevMan 5. Results: Of the 1,347 identified studies, six clinical trials were included. MADRS-10 least square mean difference (LSMD) inter-group assessment favored buprenorphine over placebo, but it lacked statistical significance. Similarly, MADRS scores as well as HAM-D inter-group assessment were in favor of buprenorphine, however, were not statistically significant. These findings suggest a potential therapeutic role for buprenorphine in treating depression, albeit with caution due to the observed lack of statistical significance and the potential for confounding factors. Conclusions: Preliminary evidence suggests potential efficacy of buprenorphine at lower doses in improving improving outcomes specifically related to depression. However, due to limitations in statistical significance and possible confounding factors, entail cautious interpretation. Further rigorous research is needed to investigate the long-term effects, optimal dosing, and determine the role of adjuvant drug therapy.
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 | 0,018 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,061 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».