Exploring the Therapeutic Impact of Repetitive Transcranial Magnetic Stimulation (rTMS) in Individuals With Alzheimer's Disease: A Comprehensive Narrative Review
Notice bibliographique
Résumé
Alzheimer's disease (AD) is a progressive neurodegenerative disorder marked by cognitive deterioration and behavioral symptoms, significantly impacting patients and caregivers. Behavioral and psychological symptoms of dementia (BPSD), including agitation, depression, and apathy, are common in AD and complicate its management. Conventional treatments, such as cholinesterase inhibitors and antipsychotics, offer limited benefits and often carry adverse effects. Repetitive transcranial magnetic stimulation (rTMS), a non-invasive neuromodulatory technique, has emerged as a promising alternative by modulating cortical excitability and promoting neuroplasticity. This narrative review aims to evaluate the current literature on the therapeutic effects of rTMS in AD, with a focus on its impact on cognitive function and behavioral symptoms. A comprehensive literature search was conducted across PubMed, MEDLINE, PsycINFO, Embase, and the Cochrane Library. Studies were selected based on predefined inclusion and exclusion criteria, with quality assessed using the Cochrane Risk of Bias Tool and the Newcastle-Ottawa Scale. Findings indicate that high-frequency rTMS can improve memory, language, and executive functions, while also reducing neuropsychiatric symptoms such as agitation and depression. Mechanistically, rTMS appears to influence cortical plasticity, neurotransmitter regulation, and neurotrophic factor expression. Despite these encouraging outcomes, heterogeneity in study design, stimulation protocols, and patient populations limit generalizability. Further research through large-scale, standardized, multicentric trials is necessary to confirm its efficacy and define optimal therapeutic parameters. In conclusion, rTMS holds promise as an adjunctive intervention in AD, potentially improving cognitive and behavioral outcomes while offering a favorable safety profile.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».