MétaCan
Menu
Retour à la cohorte
Enregistrement W4399493487 · doi:10.1097/aln.0000000000005037

Repurposing General Anesthetic Drugs to Treat Depression: A New Frontier for Anesthesiologists in Neuropsychiatric Care

2024· article· en· W4399493487 sur OpenAlexaff
Connor T. A. Brenna, Benjamin I. Goldstein, Carlos A. Zarate, Beverley A. Orser

Notice bibliographique

RevueAnesthesiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensCentre for Addiction and Mental HealthSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineAnestheticDeliriumKetaminePropofolDesfluraneAnesthesiologyPerioperativePsychiatryAntidepressantDepression (economics)RepurposingIntensive care medicineAnesthesiaAnxiety

Résumé

récupéré en direct d'OpenAlex

During the last 100 years, the role of anesthesiologists in psychiatry has focused primarily on facilitating electroconvulsive therapy and mitigating postoperative delirium and other perioperative neurocognitive disorders. The discovery of the rapid and sustained antidepressant properties of ketamine, and early results suggesting that other general anesthetic drugs (including nitrous oxide, propofol, and isoflurane) have antidepressant properties, has positioned anesthesiologists at a new frontier in the treatment of neuropsychiatric disorders. Moreover, shared interest in understanding the biologic underpinnings of anesthetic drugs as psychotropic agents is eroding traditional academic boundaries between anesthesiology and psychiatry. This article presents a brief overview of anesthetic drugs as novel antidepressants and identifies promising future candidates for the treatment of depression. The authors issue a call to action and outline strategies to foster collaborations between anesthesiologists and psychiatrists as they work toward the common goals of repurposing anesthetic drugs as antidepressants and addressing mood disorders in surgical patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,305
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesiologyMême sujetTreatment of Major DepressionTravaux en français237 207