Association d'une benzodiazépine avec un antidépresseur dans le traitement du syndrome dépressif : revue systématique de la littérature des données actuelles (2001-2024)
Bibliographic record
Abstract
Introduction : Le syndrome dépressif est un motif courant de consultation en médecine générale. Si les recommandations actuelles préconisent l'introduction d'un traitement antidépresseur et la psychothérapie pour les syndromes dépressifs modérés à sévères, l'association d'une benzodiazépine reste une pratique répandue mais sans consensus et hétérogène. L'objectif de cette revue est d'examiner, dans le cadre du syndrome dépressif, si la coprescription d'une benzodiazépine avec un antidépresseur, comparée à un traitement par antidépresseur seul, influence l'adhésion au traitement, la survenue d'effets indésirables et l'amélioration des symptômes dépressifs. Méthodes : Les études ont été sélectionnées selon les critères d'inclusion et d'exclusion (publications ≥ 2001 ; âge ≥ 16 ans ; toute étude comparant un groupe antidépresseur et un groupe antidépresseur associé à une benzodiazépines ; diagnostic de dépression selon la CIM ou le DSM ; articles publiés en français ou anglais). Les recherches ont été réalisées sur plusieurs bases de données (Pubmed, Psycinfo, Lissa, Google Scholar, Cochrane Library) de Juin à Août 2024. Les risques de biais ont été évalués par l'outil « Risk of bias 2 – ROB2 » pour les essais cliniques randomisés, « AMSTAR-2 » pour les méta-analyses et la « Newcastle-Ottawa Scale » pour les études observationnelles, les études non randomisées et les études en open label. Les données en lien avec le maintien et l'efficacité du traitement antidépresseur et la survenue d'effets indésirables ont été extraites et retranscrites sous forme de tableaux pour la réalisation d'une analyse qualitative. Résultats : Douze études ont été incluses. Elles comprenaient 2 méta-analyses, 1 analyse post hoc d'un essai randomisé, 2 essais non randomisés en open label, 1 analyse secondaire d'un essai en open label, 6 études observationnelles. La diversité des études et des données n'a pas mené à la réalisation d'une méta-analyse. L'analyse des études ne permettait pas de conclure sur l'efficacité ou le maintien du traitement antidépresseur selon l'association ou non d'une benzodiazépine. Cependant, les données semblaient en faveur d'une augmentation du risque de survenue d'effets indésirables, notamment de risque de consommation prolongée de benzodiazépine, surtout chez les personnes âgées. Discussion : Les études incluses avaient des risques de biais, notamment de sélection, et d'attrition. Les limites identifiées étaient de petits échantillons de patients étudiés, sur des durées de suivis courtes, des manques d'informations sur les traitements évalués. Conclusion : L'association d'une benzodiazépine avec un traitement antidépresseur dans le syndrome dépressif présente des risques, qu'il convient de considérer dès le départ, même pour une prise limitée, notamment chez les personnes âgées. Il n'existe pas à ce jour de preuve de l'intérêt d'une prescription systématique de benzodiazépine dans le syndrome dépressif. La réalisation de nouveaux essais cliniques randomisés avec les traitements antidépresseurs de première intention serait pertinente pour apporter des réponses concernant cette pratique clinique mal codifiée.
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 | 0.031 | 0.087 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.006 |
| Bibliometrics | 0.032 | 0.027 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".