MétaCan
Menu
Retour à la cohorte
Enregistrement W2766374071 · doi:10.21083/surg.v9i2.3474

Impact of anorectic drugs fenfluramine, dexfenfluramine, lorcaserin, and rimonabant on obesity

2017· article· en· W2766374071 sur OpenAlexaffvenue
Brock H.R. Tompkins

Notice bibliographique

RevueSURG Journal · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePharmacology and Obesity Treatment
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDexfenfluramineAnorecticFenfluramineWeight lossRimonabantMedicinePharmacologyPhentermineObesityInternal medicineBody weightSerotoninAgonistReceptorCannabinoid receptor

Résumé

récupéré en direct d'OpenAlex

Anorectic drugs are used to suppress appetite and increase satiety, thereby encouraging weight loss. Among the anorectic drugs that have been most commonly used are fenfluramine, dexfenfluramine, lorcaserin, and rimonabant, which promote weight loss in different ways and to different degrees. By reviewing recent literature, this paper comparatively assesses the benefits and risks of these anorectic drugs. Fenfluramine and dexfenfluramine, while highly effective in promoting weight loss, were associated with the highest risk of potentially fatal cardiac valve damage. Lorcaserin has proven to be significantly safer than fenfluramine and dexfenfluramine, but its impacts on weight loss were generally modest and it was less sucessful in promoting long-term weight loss. Rimonabant resulted in a more significant decrease in weight than did lorcaserin, but was associated with unpredictable psychological side effects. This review identifies lorcaserin as the safest of the anorectic drugs discussed, even if it is not the most effective in promoting and sustaining weight loss. While anorectic drugs may help to treat obesity, they are not without potentially harmful side effects and are best used in conjunction with dietary and lifestyle modifications. Future research should seek to improve the specificity of anorectic drugs and thereby reduce potential side effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,360
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSURG JournalMême sujetPharmacology and Obesity TreatmentTravaux en français237 207