Medical comorbidity in bipolar disorder: reprioritizing unmet needs
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The aim of this review is to synthesize results from extant investigations which report on the co-occurrence of bipolar disorder and medical comorbidity. RECENT FINDINGS: We conducted a MEDLINE search of all English-language articles published between January 2004 and November 2006. Most studies report on medical comorbidity in bipolar samples; relatively fewer studies report the reciprocal association. Individuals with bipolar disorder are differentially affected by several 'stress-sensitive' medical disorders notably circulatory disorders, obesity and diabetes mellitus. Neurological disorders (e.g. migraine), respiratory disorders and infectious diseases are also prevalent. Although relatively few studies have scrutinized the co-occurrence of bipolar disorder in medical settings, individuals with epilepsy, multiple sclerosis, migraine and circulatory disorders may have a higher prevalence of bipolar disorder. A clustering of traditional and emerging (e.g. immuno-inflammatory activation) risk factors presage somatic health issues in the bipolar disorder population. Iatrogenic factors and insufficient access to primary, preventive and integrated healthcare systems are also contributory. SUMMARY: Somatic health issues in individuals with bipolar disorder are ubiquitous, under-recognized and suboptimally treated. Facile screening for risk factors and laboratory abnormalities along with behavioral modification for reducing medical comorbidity are warranted.
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.
Comment cette classification a été obtenuedéplier
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».