Crosswalk between HRSD and MADRS outcomes for rTMS in patients with depression
Notice bibliographique
Résumé
BACKGROUND: The Hamilton Rating Scale for Depression (HRSD) and the Montgomery-Åsberg Depression Rating Scale (MADRS) are the two most common clinician-rated scales to quantify depression symptom change in repetitive transcranial magnetic stimulation (rTMS) trials. However, it is unclear how the values of one scale translate to the other. Being able to translate scores between these scales could allow for aggregating rTMS clinical trial data. METHODS: Clinical data from two randomised rTMS clinical trials (FOURD and CARTBIND, total N=380) were pooled. We used five crosswalk models: (1) a pharmacotherapy equipercentile model, (2) an rTMS equipercentile model, (3) a linear regression model, (4) a random forest (RF) regression model and (5) a support vector regression (SVR) model. Model performance was benchmarked using the root mean square error (RMSE). RESULTS: The linear regression model demonstrated the best performance (RMSE: 2.66-4.82), though the SVR model's performance was slightly worse but comparable (RMSE: 2.69-5.32). The RF regression model generally performed worst (RMSE: 2.70-5.20). The rTMS equipercentile model's performance was intermediate (RMSE: 2.69-5.32) in the primary analysis but achieved superior performance and demonstrated less bias in the additional analysis. INTERPRETATION: MADRS and HRSD scores from rTMS trials can be accurately converted between each other. The optimal model was the newly developed equipercentile model, though the results of the SVR model were promising. Nevertheless, independent external replication is required to demonstrate the external validity of these findings. TRIAL REGISTRATION NUMBER: FOURD: NCT02998580; CARTBIND: NCT02729792.
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 | 0,000 |
| 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 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 ».