Evidence map of nutrient interventions for major depression: a systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: Depression severely impacts quality of life globally. While traditional treatments show efficacy, many patients respond poorly. Nutritional interventions demonstrate potential as safe, economical adjunctive therapies. However, current evidence is scattered and heterogeneous, lacking systematic evaluation. This study aims to systematically evaluate evidence for various nutritional interventions in depression and create an evidence gap map (EGM). METHODS: We will conduct a systematic review using the EGM approach. Major medical databases will be searched for relevant studies published up to present. Two independent researchers will screen literature, extract data, and assess evidence quality. Multiple tools will be used for quality assessment: Cochrane Risk of Bias Tool 2.0 for RCTs, ROBINS-I for non-RCTs, Newcastle-Ottawa Scale for observational studies. The GRADE system will be employed for overall evidence grading. EPPI-Reviewer Web will generate the EGM. We will analyze evidence distribution, time trends, and explore impacts of population characteristics and depression subtypes. DISCUSSION: This study will provide critical methodological references for nutritional psychiatry. Expected results include identifying nutrient categories with robust antidepressant evidence, evaluating evidence distribution for different interventions, and exploring differential effects across populations and depression subtypes. Findings will inform individualized nutritional strategies, improve clinical guidelines, and potentially influence public health policies. SYSTEMATIC REVIEW REGISTRATION: CRD42024590644. Date of registration: 30/09/2024.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,022 | 0,008 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».