Bipolar disorders, type 2 diabetes mellitus, and the brain
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Type 2 diabetes mellitus (T2DM) negatively affects brain structure and function. Meta-analytical data show that relative to age and sex matched non-psychiatric controls, patients with bipolar disorders have double the risk of T2DM. We review the evidence for association between T2DM and adverse clinical and brain imaging changes in bipolar disorders and summarize studies investigating effects of diabetes treatment on psychiatric and brain outcomes. RECENT FINDINGS: Participants with bipolar disorders and T2DM or insulin resistance demonstrate greater morbidity, chronicity and disability, and lower treatment response to Li. Bipolar disorders complicated by insulin resistance/T2DM are associated with smaller hippocampal and cortical gray matter volumes and lower prefrontal N-acetyl aspartate (neuronal marker). Treatment of T2DM yields preservation of brain gray matter and insulin sensitizers, such as pioglitazone, improve symptoms of depression in unipolar or bipolar disorders. SUMMARY: T2DM or insulin resistance frequently cooccur with bipolar disorders and are associated with negative psychiatric clinical outcomes and compromised brain health. This is clinically concerning, as patients with bipolar disorders have an increased risk of metabolic syndrome and yet often receive suboptimal medical care. At the same time treatment of T2DM and insulin resistance has positive effects on psychiatric and brain outcomes. These findings create a rich agenda for future research, which could enhance psychiatric pharmacopeia and directly impact patient care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».