Threshold of Dopamine D<sub>2/3</sub> Receptor Occupancy for Hyperprolactinemia in Older Patients With Schizophrenia
Notice bibliographique
Résumé
OBJECTIVE: Although hyperprolactinemia carries a long-term risk of morbidity, the threshold of dopamine D2/3 receptor (D2/3R) occupancy for hyperprolactinemia has not been investigated in older patients with schizophrenia. Data were taken from a positron emission tomography (PET) study conducted between August 2007 and August 2015. The present post hoc study included 42 clinically stable outpatients with schizophrenia (DSM-IV) (mean ± SD age = 60.2 ± 6.7 years) taking olanzapine or risperidone. Subjects underwent [¹¹C]-raclopride PET scans to measure D2/3R occupancy before and after reducing their dose of antipsychotic by up to 40%. Blood samples were collected before each PET scan to measure prolactin levels. METHODS: The relationship between prolactin levels and D2/3R occupancy was examined using stepwise linear regression analyses. The D2/3R occupancy thresholds for hyperprolactinemia were explored using Fisher exact tests. RESULTS: Prolactin levels decreased following dose reduction (mean ± SD = 24.1 ± 30.2 ng/mL to 17.2 ± 15.1 ng/mL; P < .001). Prolactin levels were associated with female gender (β = .32, P = .006, vs male), antipsychotics (β = .23, P = .02, risperidone vs olanzapine), and D2/3R occupancy (β = .23, P = .04). Those with D2/3R occupancy of 66% or higher were more likely to have hyperprolactinemia than those with D2/3R occupancy lower than 66% (P = .03). Sensitivity, specificity, positive predictive value, and negative predictive value of this threshold were 0.44, 0.81, 0.78, and 0.48, respectively. We identified a D2/3R occupancy threshold for hyperprolactinemia of 66% in older patients with schizophrenia, which is lower than that reported in younger patients (73%) by other researchers. CONCLUSIONS: Our results suggest a higher sensitivity to antipsychotics in older patients. Prolactin levels could assist in the determination of appropriate antipsychotic dosing to minimize adverse effects. TRIAL REGISTRATION: ClinicalTrials.gov identifier: NCT00716755.
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 | 0,001 |
| 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) | 0,001 | 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 ».