Sex-Specific Associations Between Bipolar Disorder Pharmacological Maintenance Therapies and Inpatient Rehospitalizations: A 9-Year Swedish National Registry Study
Notice bibliographique
Résumé
Background: Long-term pharmacological maintenance therapy is often essential among people with bipolar disorder to reduce the need for inpatient care. Sex-specific responses to maintenance therapies are expected but remain largely unknown. Here, we examined for sex-specific associations between common maintenance therapies for bipolar disorder with inpatient rehospitalizations following patients’ index discharges during 2006-2014. Methods: Population-based data on maintenance therapies and rehospitalizations were extracted from Swedish national registries. We adopted the within-individual design to compare the time on- versus off- maintenance therapy for males and females, respectively. Extended stratified Cox proportional hazards regression models were employed to quantify the rate of rehospitalization as a function of common maintenance drugs and other important time-varying control variables. Results: Our primary analysis included 22,681 bipolar disorder rehospitalizations by 6,400 males and 9,588 (60.0%) females over an observation time of 62,813 person-years. The time spent on- versus off- maintenance lithium, lamotrigine, quetiapine, or olanzapine was statistically significant upon adjustment among either sex for reducing the rate of bipolar rehospitalizations. Adjusted sex-specific statistically significant associations were also observed. Among females, the time on- (versus off-) long-acting injectable risperidone reduced the rate of bipolar rehospitalizations by 73% (56-84%), carbamazepine by 44% (18-62%), aripiprazole by 29% (13-42%), and valproate by 23% (11-33%); whereas among males, ziprasidone by 65% (41-79%). Conclusion: The effectiveness of most maintenance therapies is generally comparable and uniform among both males and females. Despite some statistically significant sex-specific associations, estimates for each drug were fairly consistent between sexes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».