Diabetes and mood disorders: shared mechanisms and therapeutic opportunities
Notice bibliographique
Résumé
OBJECTIVE: The objective of this manuscript is to provide a comprehensive and critical overview of the current evidence on the association between Diabetes mellitus (DM) and mood disorders [i.e., Major depressive disorder (MDD) and bipolar disorder (BD)], and therapeutic opportunities. METHODS: We searched in MEDLINE (via Ovid) for placebo-controlled clinical trials published in the last 20 years that assessed drug repurposing approaches for the treatment of DM or mood disorders. RESULTS: We found seven studies that aimed to verify the effects of antidepressants in patients diagnosed with DM, and eight studies that tested the effect of antidiabetic drugs in patients diagnosed with MDD or BD. Most studies published in the last two decades did not report a positive effect of antidepressants on glycemic control in patients with DM. On the other hand, antidiabetic drugs seem to have a positive effect on the treatment of MDD and BD. CONCLUSIONS: While effect of antidepressants on glycemic control in patients with DM is still controversial, the use of antidiabetic drugs may be a promising strategy for patients with MDD or BD. Prospective studies are still needed.Key pointsMood disorders in patients with DM affect glycemic control, potentially increasing mortality risk.The effect of antidepressants on glycemic control in patients with DM is still controversial. The coexistence of complicated DM and a mood disorders would require a careful, individualised, and comprehensive evaluation.Insulin resistance may increase the risk of depressive symptoms and is associated with worse outcomes in BD.The use antidiabetic drugs may be a promising strategy for patients with MDD or BD. However, prospective trials are needed to prove a potential antidepressant activity of antidiabetic drugs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».