In search of optimal lithium levels and olanzapine doses in the long-term treatment of bipolar I disorder. A post-hoc analysis of the maintenance study by Tohen et al. 2005
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to investigate whether lower lithium levels (LoLi) or olanzapine doses (LoOL) are risk factors for future mood episodes in patients with bipolar I disorder. METHODS: A post-hoc analysis of the olanzapine-lithium-maintenance study [31] was performed using proportional hazards Cox regression models and marginal structural models (MSMs), adjusting for non-random assignments of dose during treatment. RESULTS: The LoLi group (<0.6 mmol/L) had a significantly increased risk of manic/mixed (hazard ratio [HR]=1.96, p=0.042), but not depressive (HR=2.11, p=0.272) episodes, compared to the combined medium (0.6-0.79 mmol/L) and high lithium level (≥0.8 mmol/L) groups. There was no significant difference in risk between the two higher lithium level groups (0.6-0.79 mmol/L; ≥0.8 mmol/L) for new manic/mixed (HR=0.96, p=0.893) or depressive (HR=0.95, p=0.922) episodes. The LoOL group (<10mg/day) showed a significantly increased risk of depressive (HR=2.24, p=0.025) episodes compared to the higher olanzapine (HiOL) dose group (HiOL: 10-20 mg/day), while there was no statistically significant difference in risk for manic/mixed episodes between the two groups (HR=0.94, p=0.895). CONCLUSION: Lithium levels≥0.6 mmol/L and olanzapine doses≥10mg/day may be necessary for optimal protection against manic/mixed or depressive episodes, respectively in patients with bipolar I disorder.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».