Withdrawal of dopamine agonist treatment in patients with hyperprolactinaemia: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Objective To estimate the proportion of patients with persistent normoprolactinaemia following dopamine agonist (DA) withdrawal and to identify predictors of successful withdrawal in patients with hyperprolactinaemia. Design, patients, and measurements A systematic review of observational eligible studies were identified by searching PubMed and Embase. The primary outcome was the proportion of patients with normoprolactinaemia after cessation of DA treatment. Secondary outcome included the proportion of patients with normoprolactinaemia after DA withdrawal using individual patient data. Risk of bias was assessed by using Newcastle‐Ottawa Scale. Pooled proportions were estimated using a random effects model in case I 2 ≤ 75% or by reporting range of effects if I 2 > 75%. Results Thirty‐two observational studies enroling 1563 patients were included. The proportion of patients with persistent normoprolactinaemia ranged from 0% to 75% ( I 2 = 84%). Heterogeneity was partly explained by age with more successful withdrawal in patients of higher age. Individual patient data analyses suggested that the proportion of patients with persistent normoprolactinaemia 6 months after DA withdrawal with a low maintenance dose and full regression of the prolactinoma was 87.7% (95% confidence interval [CI] = 60.7–97.1; I 2 = 0%) and 58.4% (95% CI = 23.8–86.3; I 2 = 75%) for microadenomas and macroadenomas, respectively. Conclusions The proportion of patients with persistent normoprolactinaemia following DA withdrawal treatment varied greatly, partly explained by the mean age of participants of the individual studies. Individual patient data analysis suggested that successful withdrawal was likely in patients with full regression of prolactinomas using a low maintenance dose before cessation.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».