The Risk of Diabetes During Olanzapine Use Compared With Risperidone Use
Notice bibliographique
Résumé
BACKGROUND: The relative risk of diabetes among patients undergoing risperidone treatment was compared with that of patients receiving olanzapine. METHOD: A cohort was formed of 33,946 patients with at least 1 prescription for either olanzapine (N = 19,153) or risperidone (N = 14,793) between January 1, 1997, and December 31, 1999, recorded in the Régie de l'Assurance Maladie du Québec database. Patients were excluded if clozapine was dispensed to them during the study period or if they were diagnosed with diabetes before beginning antipsychotic therapy. New diabetes diagnoses made after the first antipsychotic prescription during the period were tabulated until December 31, 1999; censoring occurred at this date or at the last service date, if there was no record of using services during the last 6 months of follow-up. Crude hazard ratio and proportional hazard analyses were carried out. RESULTS: 319 patients developed diabetes on olanzapine treatment, and 217 developed diabetes on risperidone treatment; a crude hazard ratio of 1.08 (95% CI = 0.89 to 1.31, p =.43) was determined. When age, gender, and haloperidol use were controlled for using proportional hazard analysis, there was a 20% increased risk of diabetes with olanzapine relative to risperidone (95% CI = 0% to 43%, p =.05). Proportional hazard analyses adjusted for duration of olanzapine exposure indicated that the first 3 months of olanzapine treatment was associated with an increased risk of diabetes of 90% (95% CI = 40% to 157%, p <.0001), after adjusting for age, gender, and haloperidol use. CONCLUSION: Compared with risperidone, olanzapine was associated with an increased risk of developing diabetes. More studies are required to further investigate this association.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».