Clinical Features of Bipolar Disorder with and without Comorbid Diabetes Mellitus
Notice bibliographique
Résumé
OBJECTIVE: Several papers have reported higher prevalence of diabetes mellitus (DM) type 2 in patients suffering from bipolar disorder (BD). The possible links between these 2 disorders include treatment, lifestyle, alterations in signal transduction, and possibly, a genetic link. To study this relation more closely, we investigated whether there are any differences in the clinical characteristics of BD patients with and without DM. METHOD: We compared the clinical data of 26 diabetic and 196 nondiabetic subjects from The Maritime Bipolar Registry. Subjects were aged 15 to 82 years, with psychiatric diagnoses of BD I (n = 151), BD II (n = 65), and BD not otherwise specified (n = 6). The registry included basic demographic data and details on the clinical course of bipolar illness, its treatment, and physical comorbidity. In a subsequent analysis using logistic regression, we examined the variables showing differences between groups, with diabetes as an outcome variable. RESULTS: The prevalence of DM in our sample was 11.7% (n = 26). Diabetic patients were significantly older than nondiabetic patients (P < 0.001), had higher rates of rapid cycling (P = 0.02) and chronic course of BD (P = 0.006), scored lower on the Global Assessment of Functioning Scale (P = 0.01), were more often on disability for BD (P < 0.001), and had higher body mass index (P < 0.001) and increased frequency of hypertension (P = 0.003). Lifetime history of treatment with antipsychotics was not significantly associated with an elevated risk of diabetes (P = 0.16); however, the data showed a trend toward more frequent use of antipsychotic medication among diabetic subjects. CONCLUSIONS: Our findings suggest that the diagnosis of DM in BD patients is relevant for their prognosis and outcome.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».