The metabolic adverse effects of antipsychotic use in individuals with intellectual and/or developmental disability: A systematic review and <scp>meta‐analysis</scp>
Notice bibliographique
Résumé
Abstract Objective Individuals with intellectual and/or developmental disability (IDD) are often prescribed antipsychotics (APs). However, despite their known propensity to cause metabolic adverse effects, including weight gain, diabetes, and increased risk of cardiovascular events, there is currently a limited body of literature describing the metabolic consequences of AP use in this population. Methods We searched MEDLINE, EMBASE, PsychINFO, CENTRAL, and CINAHL databases to identify all randomized trials that reported on the metabolic effects of APs in individuals with IDD. Random effects meta‐analyses were used to examine weight gain as both a continuous and dichotomous outcome. Results Eighteen randomized trials met our inclusion criteria with a total of 1376 patients across a variety of IDDs. AP use was associated with significantly greater weight gain compared with placebo (Continuous: mean difference = 1.10 kg, [0.79, 1.40], p < 0.00001, I 2 = 54%; Dichotomous: odds ratio = 3.94, [2.15, 7.23], p < 0.00001, I 2 = 0). Sub‐group analysis revealed no significant effect of AP type. Data regarding the effects of APs on other metabolic outcomes were limited. Conclusion This review (PROSPERO # CRD42021255558) demonstrates that AP use is associated with significant weight gain among patients with IDD. Concerningly, most reported studies were in children and adolescents, which sets up an already vulnerable population for adverse medical sequalae at an early age. There was also a lack of long‐term studies in adults with IDD. Further studies are required to better understand how AP use affects metabolic parameters in this group of individuals.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».