Which aspects of anhedonia predict response to pharmacotherapy in major depressive disorder?
Notice bibliographique
Résumé
Abstract Background Anhedonia is a multidimensional concept, and it is not known which aspects of it are linked to the heterogeneity of treatment responses in major depressive disorder (MDD). We examine the role of anhedonia dimensions in predicting response to antidepressant medication and adjunctive pharmacotherapy. Methods In CAN-BIND-1, 187 adults with MDD completed the Dimensional Anhedonia Rating Scale (DARS) and the Snaith–Hamilton Pleasure Scale (SHAPS) before undergoing 8 weeks of treatment with escitalopram. At week 8, 90 nonresponders received adjunctive treatment with aripiprazole for an additional 8 weeks. Mixed-effects models tested the hobbies, food, social, and sensory subscales and items of DARS and SHAPS as predictors of change in the Montgomery-Åsberg Depression Rating Scale (MADRS). Results Of the four DARS subscales, sensory anhedonia predicted a worse treatment outcome with escitalopram ( b = 1.14, 95%CI 0.08 to 2.20, p = 0.034) as did a three-item SHAPS sensory anhedonia subscale ( b = 1.50, 95%CI 0.43 to 2.57, p = 0.006). A combined DARS–SHAPS sensory anhedonia subscale complemented the previously reported interest–activity symptom dimension to improve treatment outcome prediction. In contrast, food and social anhedonia dimensions predicted worse outcomes with adjunctive aripiprazole ( b = 2.52, 95%CI 1.25 to 3.80, p < 0.001; b = 2.56, 95%CI 1.16 to 3.96, p < 0.001). Corresponding SHAPS items showed similar results. Conclusions The inability to enjoy sensory experiences and the lack of interest in food and social activities distinctly predict outcomes with serotonergic versus dopaminergic pharmacotherapy. These findings require replication and extension to other treatments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».