Autor/autores:
Sarah W. Yip, Brian Kiluk y Dustin Scheinost
El uso de sustancias es una causa principal de discapacidad y muerte en todo el mundo. A pesar de la existencia de tratamientos basados en la evidencia, los resultados clínicos son muy variables entre los individuos y las tasas de recaída después del tratamiento siguen siendo altas. Dentro de este contexto, se necesitan métodos para identificar a las personas con...
PUBLICIDAD
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El uso de sustancias es una causa principal de discapacidad y muerte en todo el mundo. A pesar de la existencia de tratamientos basados en la evidencia, los resultados clínicos son muy variables entre los individuos y las tasas de recaída después del tratamiento siguen siendo altas.
Dentro de este contexto, se necesitan métodos para identificar a las personas con riesgo particular de tratamiento fallido (es decir, abstinencia limitada dentro del tratamiento), o para recaída después del tratamiento, para mejorar los resultados.
Acumulativamente, la literatura generalmente respalda la hipótesis de que las diferencias individuales en la función y estructura del cerebro están vinculadas a las diferencias en los resultados del tratamiento, aunque los loci anatómicos y las direcciones de las asociaciones han diferido entre los estudios.
Sin embargo, este trabajo ha utilizado métodos casi enteramente que pueden sobreajustar los datos que conducen a estimaciones de tamaño del efecto inflado y una probabilidad reducida de reproducibilidad en una nueva muestra clínica. Por el contrario, los enfoques de modelado predictivo con validación cruzada (es decir, aprendizaje automático) están diseñados para superar las limitaciones de los enfoques tradicionales al centrarse en las diferencias individuales y la generalización a temas nuevos (es decir, validación cruzada), lo que aumenta la probabilidad de replicación y traducción potencial a nuevos escenarios clínicos.
Aquí, revisamos estudios recientes que utilizan estos enfoques para generar modelos de comportamiento cerebral de los resultados del tratamiento en adicciones y brindamos recomendaciones para un trabajo adicional con estos métodos.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.biologicalpsychiatrycnni.org
Jose Luis Frias Pulido
Médico - España
Fecha: 18/12/2019
