Demographic and clinical characteristics of lithium‐treated older adults with bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: There is limited information on the characteristics of older adults with bipolar disorder (OABD) treated with lithium, along with safety concerns about its use by older adults. The aim of the present study is to describe the demographic and clinical characteristics of OABD receiving lithium therapy, using data from the Global Ageing & Geriatric Experiments in Bipolar Disorder (GAGE-BD). EXPERIMENTAL PROCEDURES: Cross-sectional analysis of the GAGE-BD dataset to determine differences and similarities between lithium users and non-users. We analysed data from 986 participants aged 50 years or older (mean age 63.5 years; 57.5% females) from 12 study sites. Two subgroups ('Lithium'; 'Non-lithium') were defined according to the current prescription of lithium. We compared several outcomes between these groups, controlling for age, gender, and study site. RESULTS: OABD treated with lithium had lower scores on depression rating scales and were less likely to be categorised as with moderate or severe depression. There was a lower proportion of lithium users than non-users among those with evidence of rapid cycling and non-bipolar psychiatric diagnoses. Assessment of global cognitive state and functionality indicated better performance among lithium users. The current use of antipsychotics was less frequent among lithium users, who also reported fewer cardiovascular comorbidities than non-users. CONCLUSION: We found several potentially relevant differences in the clinical profile of OABD treated with lithium compared with those treated with other mood stabilisers. However, the interpretation of the present results must take into account the methodological limitations inherent to the cross-sectional approach and data harmonisation.
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) | 0,001 | 0,000 |
| 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 ».