MétaCan
Menu
Retour à la cohorte
Enregistrement W4409634883 · doi:10.3390/jpm15040161

Patient Experience with Intranasal Esketamine in Treatment-Resistant Depression: Insights from a Multicentric Italian Study (REAL-ESKperience)

2025· article· en· W4409634883 sur OpenAlexaff
Marco Di Nicola, Maria Pepe, Giacomo d’Andrea, Ilaria Marcelli, Mauro Pettorruso, Ileana Andriola, Sergio Barlati, Matteo Carminati, C Cattaneo, Massimo Clerici, Domenico De Berardis, Sergio De Filippis, Bernardo Dell’Osso, Giorgio Di Lorenzo, Giuseppe Maina, Mirko Manchia, Matteo Marcatili, Vassilis Martiadis, Cinzia Niolu, A. Petralia, Gianluca Rosso, Gianluca Serafini, Maria Salvina Signorelli, Tommaso Vannucchi, Matteo Vismara, Raffaella Zanardi, Antonio Vita, Gabriele Sani, Giovanni Martinotti

Notice bibliographique

RevueJournal of Personalized Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensDalhousie University
Organismes subventionnairesUniversità degli Studi di BresciaUniversità Cattolica del Sacro CuoreUniversità di Catania
Mots-clésMoodTreatment-resistant depressionClinical psychologyDepression (economics)MedicinePsychologyQuality of life (healthcare)PsychiatryMajor depressive disorderPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Background. Treatment-resistant depression (TRD) is a prevalent, high-burden disorder. Esketamine nasal spray (ESK-NS) has been approved for, T.R.D.; and efficacy has been observed in both clinical trials and real-world studies. However, observations integrating patients’ perspective on this treatment are limited. This multicentric Italian study explored experiences with ESK-NS in TRD patients, focusing on perceived therapeutic effects and overall satisfaction. Methods. A self-report survey was administered to 236 outpatients with TRD (55.1% females, 54.1 ± 14.1 years) treated with ESK-NS for at least three consecutive months within standard clinical care. Based on satisfaction levels, participants were classified as “unsatisfied” (10.2%), “partially satisfied” (19.1%), “satisfied” (44.4%), or “very satisfied” (26.3%), and compared for sociodemographic, clinical characteristics, and feedback on perceived benefits. Artificial intelligence (OpenAI) served to categorize responses to an open-ended question. Results. Enhanced quality of life was reported by 88.4% of participants. Significant differences emerged in earliest self-perceived benefits, most relevant effects, and impact on global functioning across groups. Specifically, “very satisfied” patients described the following: early improvements in depressed mood, suicidal thoughts, and restlessness; decreased suicidal thoughts among the most significant effects; and functional gains across all domains. OpenAI identified experiences of personal growth and rediscovery and a desire for tailored settings and approaches as recurring topics. Conclusions. Most patients reported a positive perception of ESK-NS treatment. The most satisfied participants highlighted significant benefits to depressed mood, suicidal thoughts, and overall functioning. Patient-reported experiences offer insights into different psychopathological dimensions, including functional outcomes and quality of life. Integrating these perspectives into clinical practice might assist treatment personalization, improving patients’ adherence and satisfaction.

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 candidatesaucune
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 enseignants0,056
Score d'incertitude au seuil0,927

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,308
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations18
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetTreatment of Major DepressionTravaux en français237 207