The endocrine impact of long term risperidone therapy in Asian Indian patients
Notice bibliographique
Résumé
Risperidone is a widely used antipsychotic, known to cause secondary hyperprolactinaemia. Related problems include bone mineral density (BMD) and vitamin D deficiency. However, there is insufficient information about the extent, severity, and association between these side effects, particularly in the Asian population. Objectives: To estimate the prevalence of osteoporosis, and vitamin D deficiency in patients taking risperidone for more than one year. Also, to investigate whether erectile dysfunction (ED) or menstrual dysfunction (MD) can be used as a proxy indicator of BMD loss in such patients, replacing dual energy X-ray absorptiometry (DEXA) scan. Method: Sixty-five patients (mean age 29.6) receiving risperidone as the only prolactin raising medication for minimum period of one year were selected taking into consideration the socio-demographic and clinical variables. History of ED/MD, DEXA measurement of their lumbar and hip bone, and endocrine variables were recorded. Results: The prevalence of hyperprolactinaemia in female was found to be 84.4% and in males 78.8%; females being 1.4 times more at risk than males. Abnormal BMD was found in more than 40% of the subjects. Furthermore, 30% had vitamin D deficiency and 60.8% had vitamin D insufficiency. A statistically significant association was observed between ED/MD and BMD (odds ration [OR] 3.71, confidence interval [CI] 1.23–11.24, p=0.02), but this varied according to the gender. Conclusion: These results suggest that patients on long term risperidone are at high risk of developing hyperprolactinaemia, reduced BMD and Vitamin D, although multiple contributory factors or mechanisms can be suggested. Clinically, ED was more significantly associated with changes in BMD.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».