Transcranial magnetic stimulation for the rehabilitation of patients with addiction: current status and future prospects
Notice bibliographique
Résumé
INTRODUCTION: Substance use disorders (SUDs) are severe conditions that remain extremely challenging to treat in clinical practice. With high rates of non-response to current treatment options and several SUDs with no approved interventions, novel therapies are needed. Repetitive transcranial magnetic stimulation (rTMS) can non-invasively modulate the neurocircuitry of brain-based disorders, and investigation into its therapeutic potential for SUDs is growing rapidly. AREAS COVERED: In this review, we summarize the clinical research to date evaluating its safety and efficacy for various SUDs. We highlight the investigations comparing different stimulation parameters to present our current understanding on optimal stimulation parameters. Additionally, we cover key research avenues in the use of neuroimaging to guide treatment, cue-induction paradigms, and adjunctive or combination treatments that may optimize outcomes. EXPERT OPINION: Evidence of rTMS as an effective treatment for certain SUDs has emerged and is preliminary for others. There are a growing number of studies showing benefit and meta-analyses suggesting that rTMS can significantly reduce substance craving and consumption. However, the optimal approach has not been determined, and there is a great deal of heterogeneity in rTMS protocols and mixed outcomes. Further research into strategies for enhancing precision will be crucial in moving the field forward.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».