Estimulación cerebral profunda versus estimulación del nervio vago en el tratamiento de la depresión resistente a la terapia: una revisión sistemática y un metanálisis
Bibliographic record
Abstract
Introducción: “Depresión” representa un grupo de condiciones clínicas heterogéneas que impone un grave problema de salud pública. La OMS estima que la depresión será la tercera causa principal de enfermedades debilitantes en 2030. El tratamiento establecido incluye antidepresivos, psicoterapia, terapia electroconvulsiva y estimulación magnética transcraneal. 10 a 20% de los pacientes son depresores resistentes a los tratamientos convencionales (TRD) y para estos, la psicocirugía moderna se está convirtiendo en parte del arsenal terapéutico. Este artículo analiza la evidencia actual y el potencial para la aplicación de la estimulación del nervio vagal (VNS) y la estimulación cerebral profunda (DBS) en la corteza cingulada subgenual (SCC) en el tratamiento de la depresión. Material y Métodos: Una revisión sistemática de los ensayos clínicos prospectivos realizados en centros americanos y europeos por Medline / Pubmed entre 2000 y 2016, con p < 0,05 n > 10, con una revisión de las referencias citadas por todos los estudios localizados relevantes. Se obtuvieron 66 referencias para VNS y 137 para DBS, diez estudios de VNS y tres de DBS fueron seleccionados de acuerdo a los criterios de elegibilidad. Se realizó un meta-análisis exploratorio a través de las tasas de eventos encontradas. Resultados: Se obtuvo una muestra de 643 pacientes con TRD en los estudios VNS y 58 DBS. La tasa de respuesta a VNS después de 12 meses fue del 42,0% (IC del 95% = 31,2% al 56,7%) y la tasa de remisión fue del 22,3% (IC del 95%: 16,5% a 30,0%). Las tasas de DBS fueron 37,0% (IC del 95%: 22,9% a 59,6%) y 26,2% (IC del 95%: 15,4% a 44,5%), respectivamente. Conclusión: El análisis individual de los ensayos clínicos demuestra que tanto VNS como DBS son recursos prometedores en el tratamiento de TRD, especialmente a corto y medio plazo, sin embargo la mayoría de los estudios no son aleatorizados. El metanálisis reveló una alta heterogeneidad debido al reducido número de ensayos clínicos, diferencias técnicas y sesgo de selección.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.039 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.006 | 0.014 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".