The Role of Ketogenic Diet in Treatment of Mental Illnesses
Notice bibliographique
Résumé
Introduction Ketogenic Diet (KD) has been introduced as a treatment option for epilepsy over a century ago and since then it had gained and lost its popularity. Its current revival is heavily sensationalized and KD is promoted as a cure-it-all for a wide range of mental illnesses. The present review aims to review the validity of the evidence supporting KD use in psychiatry. Objectives 1. To review the origins and types of ketogenic diet as well as the possible rationale for its use in psychiatry 2. To provide a narrative review of effectiveness of ketogenic diet for management of major mental illnesses Methods Scoping review of research articles published in PubMed without restrictions in terms of language or publication date. Results We conducted a scoping review using a wide range of keywords. There are multiple studies dedicated fully or partially on ketogenic diet and a variety of mental illnesses. Majority of studies are focused on low-carbohydrate diets and not necessarily on KD per se, which complicates interpretation of findings. At the same time, we were able to identify multiple case studies and case series as well as some open-label and placebo-controlled studies involving small groups of participants receiving KD mostly as an adjunct treatment for their respective condition. There was a significant degree of heterogeneity both in terms of methodological aspects and clinical outcomes of these studies, which do not allow for further data synthesis at this point. At the same time, there are some indications that KD may be useful in certain clinical scenarios. Conclusions The objective data on impact of ketogenic diet on major mental illnesses are scarce, but show some promise. Further research is needed to elaborate both the mechanisms and the degree of impact of ketogenic diet on mental health. There is not enough evidence to suggest that ketogenic diet is an independent treatment option for any psychiatric condition, but at the same time it can be suggested as an adjunct measure. 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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».