Pharmacological Strategies to Counteract Antipsychotic-Induced Weight Gain and Metabolic Adverse Effects in Schizophrenia: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Antipsychotic-induced metabolic adversities are often difficult to manage. Using concomitant medications to counteract these adversities may be a rational option. OBJECTIVE: To systematically determine the effectiveness of medications to counteract antipsychotic-induced metabolic adversities in patients with schizophrenia. DATA SOURCES: Published articles until November 2013 were searched using 5 electronic databases. Clinical trial registries were searched for unpublished trials. STUDY SELECTION: Double-blind randomized placebo-controlled trials focusing on patients with schizophrenia were included if they evaluated the effects of concomitant medications on antipsychotic-induced metabolic adversities as a primary outcome. DATA EXTRACTION: Variables relating to participants, interventions, comparisons, outcomes, and study design were extracted. The primary outcome was change in body weight. Secondary outcomes included clinically relevant weight change, fasting glucose, hemoglobin A1c, fasting insulin, insulin resistance, cholesterol, and triglycerides. DATA SYNTHESIS: Forty trials representing 19 unique interventions were included in this meta-analysis. Metformin was the most extensively studied drug in regard to body weight, the mean difference amounting to -3.17 kg (95% CI: -4.44 to -1.90 kg) compared to placebo. Pooled effects for topiramate, sibutramine, aripiprazole, and reboxetine were also different from placebo. Furthermore, metformin and rosiglitazone improved insulin resistance, while aripiprazole, metformin, and sibutramine decreased blood lipids. CONCLUSION: When nonpharmacological strategies alone are insufficient, and switching antipsychotics to relatively weight-neutral agents is not feasible, the literature supports the use of concomitant metformin as first choice among pharmacological interventions to counteract antipsychotic-induced weight gain and other metabolic adversities in schizophrenia.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,034 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».