Evidence-based interventions for bipolar disorder: an open-access platform to guide treatment decisions based on efficacy, safety, and patient preferences.
Notice bibliographique
Résumé
Introduction Bipolar disorder (BD) is a psychiatric condition characterized by a wide range of symptoms, for which many interventions have been proposed. Although the literature contains numerous meta-analyses (MAs) and network meta-analyses (NMAs) summarizing this evidence, the large volume and variability of information can make it difficult to apply in daily clinical practice, guide researchers, or inform the development of clinical guidelines. Objectives To offer a freely accessible platform, developed within the U-REACH framework, providing updates on the latest therapeutic strategies for BD in terms of efficacy and safety, aligned with patient preferences. Informed by a living umbrella review, the platform aims to grade the current evidence to support informed decision-making. Methods We conducted an umbrella review by searching PubMed, PsycINFO, and the Cochrane database up to December 31, 2023, for (N)MAs of randomized controlled trials investigating interventions for BD. Each association was assessed using the GRADE. Effect sizes were standardized into equivalent standardized mean differences (eSMD), with eSMD>0 indicating clinically positive effects and eSMD<0 indicating clinically negative effects. The results are made available on an open-access online platform. Users can filter data by age group, BD stage, intervention, effect size, outcome, comparison, type of meta-analysis, GRADE evidence level, and (N)MA quality. For any filter combination, users can visualize key interventions, outcomes, and a forest plot with eSMD. The database will be regularly updated. Additionally, a preference-based tool allows users to rank safety outcomes by importance (0-10) and the system will recommend medications based on these preferences. Results From the 4,352 records retrieved, we included 71 (N)MAs evaluating the effects of pharmacological (n=87), brain stimulation (n=13), psychosocial (n=8), and circadian rhythm-based therapies (n=3), on 132 efficacy (n=85) and safety (n=47) outcomes. For the preference-based tool, we included 10 first-line interventions for at least one mood state of BD (aripiprazole, asenapine, cariprazine, lamotrigine, lithium, lurasidone, paliperidone, quetiapine, risperidone, valproate) and 15 safety outcomes based on clinical judgment (e.g., akathisia, weight increase, QTc prolongation, insomnia), resulting in 150 potential combinations. Conclusions This platform represents a pioneering approach to delivering the most complete evidence on interventions for BD. With its regular updates, it provides clinicians and researchers with a freely accessible resource to guide treatment decisions based on efficacy, safety, and patient preferences. This tool aims to support the development of future guidelines, facilitate ongoing professional education, and ultimately improve the quality of care for individuals with BD. Disclosure of Interest None Declared
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 | 0,030 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,030 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,018 |
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 ».