Atypical Antipsychotics and Parkinsonism
Notice bibliographique
Résumé
BACKGROUND: Atypical antipsychotic agents are thought to be less likely than older typical agents to produce parkinsonism. This has not been well documented. We compared the risk of development of incident parkinsonism among older adults dispensed atypical relative to typical antipsychotics. METHODS: Retrospective cohort study of all adults 66 years and older in Ontario. We used Cox proportional hazards models to study the association between the type, potency, and dose of antipsychotic dispensed and the development of parkinsonism during 1 year of follow-up. RESULTS: All 25,769 older adults prescribed antipsychotics were observed for 11,573 person-years, and 449 events of parkinsonism were identified. Relative to individuals dispensed an atypical antipsychotic, those dispensed a typical agent were 30% more likely (adjusted hazard ratio [HR], 1.30; 95% confidence interval [CI], 1.04-1.58) and those exposed to neither agent were 60% less likely (HR, 0.40; 95% CI, 0.29-0.43) to experience development of parkinsonism. Furthermore, those dispensed lower-potency typical agents were no different (HR, 0.75; 95% CI, 0.48-1.15), and those dispensed higher-potency typical antipsychotics were at close to a 50% greater risk (HR, 1.44; 95% CI, 1.13-1.84) of development of parkinsonism relative to atypical antipsychotics. Relative to those dispensed a high-dose atypical antipsychotic, those dispensed a typical antipsychotic were at similar risk for parkinsonism (Wald chi(2) = 0.14, P = .7). CONCLUSIONS: The risk of development of parkinsonism associated with the use of high-dose atypical antipsychotics was similar to that associated with the use of typical antipsychotics. Caution should be used when prescribing atypical antipsychotic therapy at high doses.
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 ».