A Systematic Review and Meta-Analysis of Lipid Signatures in Post-traumatic Stress Disorder
Notice bibliographique
Résumé
Background Research assessing lipid levels in individuals diagnosed with post-traumatic stress disorder (PTSD) has yielded mixed results. This study aimed to employ meta-analytic techniques to characterize the relationship between the levels of lipid profiles and PTSD. Methods We performed meta-analyses of studies comparing profiles and levels of lipids between PTSD patients and healthy individuals by searching Embase, Ovid Medline, Scopus, PsycINFO, and Cochrane databases for the studies until March 2021. Meta-analyses were performed using random-effects models with the restricted maximum-likelihood estimator to synthesize the effect size assessed by standardized mean difference (SMD) across studies. Findings A total of 8,657 abstracts were identified, and 17 studies were included. Levels of total cholesterol (TC) (SMD = 0.57 95% CI, 0.27–0.87, p = 0.003), low-density lipoprotein (LDL) (SMD = 0.48, 95% CI, 0.19–0.76, p = 0.004), and triglyceride (TG) (SMD = 0.46, 95% CI, 0.22–0.70, p = 0.001) were found to be higher, while levels of high-density lipoprotein (HDL) (SMD = –0.47, –0.88 to –0.07, p = 0.026) were found to be lower in PTSD patients compared to healthy controls. Subgroup analysis showed that TG levels were higher in PTSD patients who were on or off of psychotropic medications, both < 40 and ≥ 40 years of age, and having body mass index of < 30 and ≥ 30 compared to healthy controls. Interpretation This work suggested dysregulation of lipids in PTSD that may serve as biomarker to predict the risk. The study will be useful for physicians considering lipid profiles in PTSD patients to reduce cardiovascular morbidity and mortality.
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) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 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 ».