Traitement antidépresseur personnalisé pour les patients souffrant d’un trouble dépressif caractérisé
Bibliographic record
Abstract
Objectif Présenter un outil visuel d’aide à la décision clinique dans le but d’aider à personnaliser la pharmacothérapie par antidépresseurs de première intention pour les adultes souffrant d’un trouble dépressif caractérisé (TDC) dans un contexte canadien. Sources de l’information Une recherche documentaire a été effectuée au moyen de Google Scholar, PubMed, la base de données Cochrane des revues systématiques et Trip Pro à l’aide des vedettes MeSH en anglais depression, antidepressive agents, primary care, practice patterns, medication adherence et decision making, shared. Message principal Le trouble dépressif caractérisé touche chaque année environ 4,7 % des Canadiens, et il est fréquemment observé et diagnostiqué en soins primaires. La dépression non traitée est liée à une moins bonne qualité de vie, à un risque accru de suicide, de même qu’à une détérioration de la santé physique lorsque la dépression se produit simultanément avec d’autres problèmes chroniques de santé. Dans une méta-analyse en réseau, des médicaments antidépresseurs (comme les inhibiteurs sélectifs de la recapture de la sérotonine, les inhibiteurs de la recapture de la sérotonine-norépinéphrine, le bupropion et la vortioxétine) ont réduit de 50 % ou plus les symptômes de dépression par rapport à un placebo dans le traitement aigu d’adultes souffrant d’un TDC d’une intensité modérée à sévère. Une mauvaise adhésion au traitement et des taux élevés de discontinuation limitent la réussite du traitement du TDC. Il a été démontré que des facteurs comme des alliances thérapeutiques solides entre les patients et les prescripteurs, des soins en collaboration, l’éducation des patients et une autogestion soutenue accroissent l’adhésion au traitement. Les plus récentes lignes directrices sur le traitement de la dépression du CANMAT (Canadian Network for Mood and Anxiety Treatments), publiées en 2016, proposent 15 options différentes d’antidépresseurs de première intention pour le traitement du TDC. Des aides à la décision fondée sur des données probantes sont nécessaires pour personnaliser le traitement aux antidépresseurs dans le cas des patients ayant reçu un diagnostic de TDC. Conclusion De récentes études sur les antidépresseurs ont indiqué qu’aucun antidépresseur n’est supérieur à un autre dans le traitement des patients souffrant d’un TDC. Cela donne à croire qu’il pourrait être possible d’améliorer l’adhésion au traitement et sa réussite en personnalisant le traitement par antidépresseurs en fonction des préférences de chaque patient. L’Outil d’aide au choix d’un antidépresseur a été élaboré pour aider les prescripteurs et les patients adultes à entreprendre une prise de décision partagée pour choisir un antidépresseur de première intention personnalisé et optimal pour le traitement d’un TDC aigu.
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 | 0.004 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".