Effectiveness of a Community‐Based Weight Management Program for Patients Taking Antidepressants and/or Antipsychotics
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to compare weight loss (WL) outcomes for patients taking antidepressants and/or antipsychotics with those not taking psychiatric medication. METHODS: A total of 17,519 adults enrolled in a lifestyle WL intervention at the Wharton Medical Clinics in Ontario, Canada, were analyzed. Sex-stratified multivariable linear regression analysis was used to examine the association of taking antidepressants, antipsychotics, both, or neither with WL when adjusting for age, initial weight, and treatment time. RESULTS: Twenty-three percent of patients were taking at least one psychiatric medication. Patients lost a significant amount of weight (P < 0.0001) regardless of psychiatric medication use. Women taking psychiatric medications lost a similar amount of weight as women who were not (P > 0.05). Conversely, men taking antidepressants lost only slightly less weight than men taking both classes or neither class of psychiatric medication (3.2 ± 0.3 kg vs. 5.6 ± 0.9 kg and 4.3 ± 0.1 kg; P < 0.05). However, taking psychiatric medications that cause weight gain was associated with similar significant decreases in weight as taking medications that are weight neutral or associated with WL for both sexes (P > 0.05). CONCLUSIONS: Results of this study suggest that those who participate in a weight management program can lose significant amounts of weight regardless of psychiatric medication use.
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 | 0,000 | 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) | 0,000 | 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 ».