AI Summary & Key Takeaways
AI InsightConclusion: The findings of the present study suggest that severe level of depression, anxiety and social maladaptation at baseline are more likely to predict remission. ( Archives of Neuropsychiatry 2013; 50: 122-129)
📌 3 Key Takeaways
Abstract
Background: We aimed to determine the predictors of remission in major depressive disorder (MDD) with antidepressant treatment (AT). Methods: The subjects were recruited from the databases of the previous four studies. 178 patients were separated in to two groups at the final visit regarding remission. The patients were analyzed in terms of sociodemographic and clinical features regardless of their AT. Results: The difference in sociodemographic and clinical features was nsignificant between the groups. Remitted patients had lower scores on the Hamilton Depression Rating Scale (HDRS), Montgomery-Asberg Depression Scale, Hamilton Anxiety Rating Scale, and the Clinical Global Impression Scale compared to baseline whereas Social Adaptation Self-evaluation Scale (SASS) scores were higher. To evaluate the impact of basal scores of HDRS and SASS on non remission rates, logistic regression analysis was performed. The analysis result was significant (p<0.001). Valid classification rate was 66% for this model. For this model, the scores of HDRS and SASS at visit 1 are significant risk factors for non-remission (p<0.001). As the value of HDRS increases, the risk of non- remission increases 1.095 fold (Odds ratio 95%, confidence interval: 1.0451.147), whereas as the value of SASS decreases the risk of non-remission increases 1,076 fold (Odds ratio 95%, confidence interval: 1.0421.114). For each patient, non-remission possibility can be predicted by p(non remission)=1/[(1+exp (-0,093×V1HDRS+0,075×V1SASS)] equivalent via this model. Conclusion: The findings of the present study suggest that severe level of depression, anxiety and social maladaptation at baseline are more likely to predict remission. ( Archives of Neuropsychiatry 2013; 50: 122-129)
Özet
ÖZET Amaç: Bu çalışmada antidepresan (AD) tedavi ile Majör Depresif Bozuklukta MDB) düzelmenin öngörücülerinin araştırılması amaçlanmıştır. Yöntem: Bu çalışmanın örneklemi, MBDde AD etkinliğini araştıran, 4 çalışmaya ait veri havuzundan oluşturulmuştur. Bu çalışmada 178 hasta, son vizit olan vizit 5te düzelip düzelmediklerine göre 2 gruba ayrıldı. Böylelikle hastalar kullandıkları ADden bağımsız olarak sosyodemografik ve klinik özellikleri açısından birbirleriyle karşılaştırıldı. Bulgular: Düzelen ve düzelmeyen hastalar arasında sosyodemografik ve hastalık özellikleri açısından herhangi bir fark bulunamamıştır. Beşinci vizitte düzelen hastaların düzelmeyenlere göre birinci vizitte daha düşük Hamilton Depresyon Derecelendirme Ölçeği (HAM-D), Montgomery-Asberg Depresyon Değerlendirme Ölçeği, Hamilton Anksiyete Değerlendirme Ölçeği ve Klinik Global Değerlendirme Ölçeği-Hastalığın Şiddeti değerleri ile daha yüksek Sosyal Uyum Kendini Değerlendirme Ölçeği (SUKDÖ) değeri gösterdikleri tespit edilmiştir. Tedavinin başındaki ölçek değerlerinin (HAM-D ve SUKDÖ) düzelememe üzerinde bir risk aktörü olup olmadıklarını belirlemek amacıyla oluşturulan lojistik regresyon modeli anlamlı bulunmuştur (χ2=22,692 p<0,001). Bu model için düzelememe değişkeninin doğru sınıflandırma oranı %66dir. Modelde 1. vizit HAM-D ve SUKDÖ ölçek değerleri, istatistiksel olarak anlamlı risk faktörleridir (p<0,001). HAM-D değişken değeri artıkça düzelememe riski 1,095 (Odds oranı için %95 güven aralığı: 1,0451,147) kat artarken, SUKDÖ değişken değerinin düşük olması ise riski 1,076 Odds oranı için %95 güven aralığı: 1,0421,114) kat artırır. Bu model aracılığıyla her bir birey için düzelememe olasılığı p(Düzelememe)=1/[(1+exp(-0,093×V1HAM- D+0,075×V1SUKDÖ)] eşitliği kullanılarak tahmin edilebilir. Sonuç: AD tedavi ile düzelmeyi öngörmekte başlangıçta kaydedilen depresyonun, anksiyetenin ve sosyal uyum bozukluğunun şiddet düzeyinin etkili olduğu saptanmıştır. ( Nöropsikiyatri Arşivi 2013; 50: 122-129)