Efficacy and Safety of Antidepressants for Treatment of Depression in Alzheimer's Disease: A Metaanalysis
Notice bibliographique
Résumé
OBJECTIVE: Depression in patients with Alzheimer's disease (AD) is common (15% to 63%) and is associated with significant morbidity and increased mortality. Our objective was to quantitatively summarize the data on the efficacy and safety of antidepressant treatment for depression complicating AD. METHOD: We performed a metaanalysis of randomized, double-blind, placebo-controlled trials of antidepressants with a database search of the English literature (up to 2006) and a manual search of references in the retrieved articles. We extracted the proportion of subjects who responded and remitted, experienced adverse events (AEs), discontinued treatment due to AEs, or discontinued treatment for any reason. Cognition scores were also extracted. RESULTS: We included 5 studies, which involved 82 subjects treated with antidepressants and 83 subjects who received placebo treatment. Antidepressants were superior to placebo for both treatment response (odds ratio [OR] 2.32; 95% confidence interval [CI], 1.04 to 5.16) and remission of depression (OR 2.75; 95% CI, 1.13 to 6.65). There were no significant differences between the 2 groups for change in cognition (weighted mean difference -0.71, 95% CI, -3.20 to 1.79), overall dropouts (OR 0.70; 95% CI, 0.29 to 1.66) or dropout due to AEs (OR 1.41; 95% CI 0.36 to 5.54). The numbers needed to treat for one additional AD patient to respond to antidepressant treatment were 5 (95% CI, 3 to 59) and 5 (95% CI, 2 to 24) for remission of depression. CONCLUSIONS: Antidepressant treatment for depression in AD is efficacious, with rates of discontinuation that are comparable to placebo. Nonetheless, clinicians must be vigilant regarding the potential side effects of antidepressants in this population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».