Correlates of Metabolic Abnormalities in Bipolar I Disorder at Initiation of Acute Phase Treatment
Notice bibliographique
Résumé
OBJECTIVE: Treatment of bipolar patients is often complicated by metabolic abnormalities such as obesity, diabetes, and dyslipidemia. We therefore evaluated the prevalence of these abnormalities and their correlates, in bipolar I patients, at the time of commencement of pharmacological treatment for acute mood episodes. METHODS: The study cohort consisted of 184 bipolar I patients hospitalized for treatment of acute mood episodes. Socio-demographic and clinical variables were noted and metabolic parameters, including body mass index, fasting plasma glucose, fasting total cholesterol, and current treatment(s) for diabetes and/or dyslipidemia were measured before initiating medication(s). RESULTS: Fifty-six (30.4%) subjects met our criteria for obesity; 80 (43.5%) had hyperglycemia, with 8 (4.3%) receiving anti-diabetic medication; and 38 (20.7%) had hypercholesterolemia, with 2 (1.1%) receiving cholesterol-lowering agents. We found that male sex (chi(2)=5.359, p=0.021), depressed or mixed state versus manic state (chi(2)=4.302, p=0.038), and duration of illness (t=2.756, p=0.006) were significantly associated with obesity. Older age (t=3.668, p<0.001), later age of disease onset (t=2.271, p=0.024), and lower level of educational attainment (beta=-0.531, p=0.001) were associated with hyperglycemia. CONCLUSION: Our finding that metabolic abnormalities are prevalent when initiating acute pharmacological treatment in bipolar I patients indicates that these factors should be integrated into treatment plans at the onset of disease management.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».