Sertraline-Induced Hypoglycemia
Notice bibliographique
Résumé
OBJECTIVE: To report a case of hypoglycemia that occurred in a patient treated with the selective serotonin-reuptake inhibitor, sertraline. CASE SUMMARY: An 82-year-old white woman with mild cardiovascular disease and no history of glucose intolerance was seen in the emergency department for a presyncopal episode associated with a blood glucose of 32 mg/dL as measured by the ambulance attendant. She had similar symptoms the day before. Despite repeated administration of oral and intravenous glucose, the patient had recurrent episodes of hypoglycemia and was hospitalized for four days. She had started taking sertraline 50 mg once daily for mild depression 25 days prior to presentation. Other medications included furosemide 20 mg/d, ramipril 5 mg/d, clopidogrel 75 mg/d, nitroglycerin patch 0.4 mg/h, and lorazepam 1 mg taken occasionally for agitation. She had never been prescribed any oral hypoglycemic agents. Serum sertraline and desmethylsertraline concentrations measured two, three, and four days after discontinuing sertraline were within the expected range, but the rate of decline was consistent with a moderately prolonged half-life. DISCUSSION: Sertraline has been shown to blunt postprandial hyperglycemia in rats and to potentiate the hypoglycemic effects of sulfonylurea agents in humans. It has not been reported to cause hypoglycemia independently, but in this case, a nondiabetic patient experienced multiple episodes of hypoglycemia that resolved after discontinuation of sertraline. CONCLUSIONS: This report and another implicating fluoxetine in a case of hypoglycemia suggest that healthcare professionals should consider these medications among the possible causes of hypoglycemia occurring in patients receiving selective serotonin-reuptake inhibitors.
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) | 0,002 | 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 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 ».