The Underlying Neurobiological Mechanisms of Psychosis: Focus on Neurotransmission Dysregulation, Neuroinflammation, Oxidative Stress, and Mitochondrial Dysfunction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Psychosis, defined as a set of symptoms that results in a distorted sense of reality, is observed in several psychiatric disorders in addition to schizophrenia. This paper reviews the literature relevant to the underlying neurobiology of psychosis. The dopamine hypothesis has been a major influence in the study of the neurochemistry of psychosis and in development of antipsychotic drugs. However, it became clear early on that other factors must be involved in the dysfunction involved in psychosis. In the current review, it is reported how several of these factors, namely dysregulation of neurotransmitters [dopamine, serotonin, glutamate, and γ-aminobutyric acid (GABA)], neuroinflammation, glia (microglia, astrocytes, and oligodendrocytes), the hypothalamic-pituitary-adrenal axis, the gut microbiome, oxidative stress, and mitochondrial dysfunction contribute to psychosis and interact with one another. Research on psychosis has increased knowledge of the complexity of psychotic disorders. Potential new pharmacotherapies, including combinations of drugs (with pre- and probiotics in some cases) affecting several of the factors mentioned above, have been suggested. Similarly, several putative biomarkers, particularly those related to the immune system, have been proposed. Future research on both pharmacotherapy and biomarkers will require better-designed studies conducted on an all stages of psychotic disorders and must consider confounders such as sex differences and comorbidity.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle