Serotonin reuptake inhibiting antidepressants: A trigger for visual snow syndrome?
Notice bibliographique
Résumé
BackgroundVisual snow is an abnormal visual perception, frequently occurring in the context of visual snow syndrome. Recent literature has suggested a link with serotonin reuptake inhibiting antidepressants, but there is little research on this topic.ObjectiveWe aimed to identify cases of visual snow and visual snow syndrome linked to serotonin reuptake inhibiting antidepressants to evaluate the possibility of an association.MethodsRetrospective analysis of patient adverse event reports linking serotonin reuptake inhibiting antidepressants with visual snow or visual snow syndrome using data from RxISK.org, a global database of spontaneous reports of drug-linked adverse events. Each case was subject to a causality assessment: a RxISK score of 0-4 indicates more information is required, 5-8 a likely link and ≥9 a strong possibility of a link between the medication and the symptoms.Results24 cases were identified; 16 male and 8 female patients, with a mean age of 30 years. All had visual snow, and 10 patients (42%) had visual snow syndrome. Reports originated from 8 countries and involved 10 different drugs. Symptoms began on the drug in 14 cases (58%), after reducing the dose in 6 cases (25%), and after discontinuation in 4 cases (17%). At the time of reporting, 22 patients (92%) had stopped the suspect drug but without resolution of symptoms. The mean RxISK score was 9.5 (range 2-17).ConclusionSerotonin reuptake inhibiting antidepressants may trigger visual snow and visual snow syndrome that fails to resolve or can even worsen or emerge after stopping the drug. With usage of these medications rising worldwide, cases are likely to increase. Further research is vital to understand potential mechanisms and risk factors.
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 | 0,002 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».