Correlation between gabapentin and depression: A study from the NHANES and FAERS databases
Notice bibliographique
Résumé
Post-marketing surveillance has indicated an association between gabapentin use and an increased risk of depression. However, observational findings on this relationship have been inconsistent. This study aims to investigate the correlation between gabapentin exposure and depression. We analyzed data from the National Health and Nutrition Examination Survey and the Food and Drug Administration Adverse Event Reporting System in the United States from 2011 to 2018. Descriptive statistical analysis, multivariate logistic regression, and linear regression were employed to explore the association between gabapentin use and depression. Our analysis revealed that gabapentin users had a higher risk of depression. In a multivariate logistic regression model, the odds ratio was 1.8 (95% confidence interval: 1.3-2.4; P < .001), indicating a significant association when accounting for demographics and lifestyle factors. Similarly, in a linear regression model, the depression score was significantly higher (β = 4.0; 95% confidence interval: 3.0-5.0; P < .001) among gabapentin users. This risk was notably greater in women and individuals who slept <7 hours. The Food and Drug Administration Adverse Event Reporting System database included 9951 adverse reactions, with 1165 reports of psychiatric-related adverse events, including depression, constituting 11.71% of the total reports. Gabapentin use is associated with an increased risk of depression. It is crucial for clinicians to monitor patients' mental health closely when prescribing gabapentin and to provide timely intervention if needed.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».