Obesity and metabolic comorbidity in bipolar disorder: do patients on lithium comprise a subgroup? A naturalistic study
Notice bibliographique
Résumé
BACKGROUND: Bipolar disorders (BD) are associated with increased prevalence of obesity and metabolic syndrome (MetS). Nevertheless, there is a wide range in prevalence estimates, with little known about the contributions of pharmacotherapy. It has been suggested that lithium might have a more favorable metabolic profile. We hypothesized that lithium use is associated with less increased body mass index (BMI), MetS, and type II diabetes, when compared with non-lithium users (those on anticonvulsants, second-generation antipsychotics). METHODS: Cross-sectional study of 129 patients aged 18-85 with bipolar disorder, followed at tertiary care clinics in Montreal. Patients using lithium were compared with those not on lithium, for body mass index and metabolic syndrome. RESULTS: The prevalence of obesity and metabolic syndrome in the sample of lithium-using patients with BD was 42.4 and 35.7% respectively, with an average BMI of 29.10 (+/- 6.70). Lithium and non-lithium groups did not differ in BMI or prevalence of MetS. However, compared to the non-lithium group, lithium users had lower hemoglobin A1C (5.24 +/- 0.53 versus 6.01 +/- 1.83, U = 753.5, p = 0.006) and lower triglycerides (1.46 +/- 0.88 versus 2.01 +/- 1.25, U = 947, p = 0.020). CONCLUSIONS: There is a high prevalence of obesity and metabolic syndrome among patients with bipolar disorder. However, this did not appear to be associated with lithium use, when compared to those not on lithium. The lithium subgroup was also associated with lower prevalence of type II diabetes. Future prospective and intervention studies with larger sample sizes are necessary to further explore the association between lithium and insulin resistance, as well as its underlying mechanisms.
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 | 0,000 | 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 ».