Antipsychotic Metabolic Effects: Weight Gain, Diabetes Mellitus, and Lipid Abnormalities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To review published and nonpublished literature describing changes in weight, glucose homeostasis, and lipid milieu with antipsychotics. METHODS: A Medline search was completed using the words weight gain, diabetes mellitus, cholesterol, triglycerides, risperidone, clozapine, olanzapine, quetiapine, ziprasidone, predictors, prolactin, obesity, and conventional antipsychotics. Publications, including original articles, review articles, letters to the editor, abstracts or posters presented at professional meetings in the last 4 years, and references from published articles, were collected. Manufacturers, including Eli Lilly Canada Inc, JanssenOrtho Inc, Pfizer Canada Inc, AstraZeneca Inc, and Novartis Pharmaceuticals, were contacted to retrieve additional medical information. RESULTS: The topic of antipsychotic-induced weight gain is understudied, and there are relatively few well-controlled studies. Weight gain as a side effect has been described with both conventional and atypical antipsychotics. Moreover, some atypical antipsychotics are associated with de novo diabetes mellitus and increased serum triglyceride levels. Predictors of weight gain may be age, baseline body mass index, appetite stimulation, previous antipsychotic exposure, and antipsychotic treatment duration. CONCLUSION: Significant weight gain is reported with the existing atypical antipsychotics. The weight gain described is highly distressing to patients, may reduce treatment adherence, and may increase the relative risk for diabetes mellitus and hypertriglyceridemia. Physicians employing these agents should routinely monitor weight, fasting blood glucose, and lipid profiles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle