Antipsychotic-Induced Metabolic Syndrome: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Schizophrenia, a serious psychiatric disorder, is among the top 10 global causes of disability and affects nearly 1% of the world population. Antipsychotics constitute the best treatment for patients with schizophrenia, however, this treatment class carries a high risk of metabolic syndrome, including lipid abnormalities. Indeed, the risk of metabolic syndrome would be increased in the population with schizophrenia compared to the general population. The objective is to summarize the prevalence, the mechanisms, and the potential treatments of antipsychotic-induced metabolic syndrome. This is a narrative review of the literature. We searched the electronic database Medline, accessed through PubMed, to find studies that investigated the prevalence and treatments of metabolic syndrome in the adult population using antipsychotics. The prevalence of metabolic syndrome in patients treated with antipsychotics ranges from 37% to 63%. Antipsychotic iatrogenic effects include weight gain/increased waist circumference, dyslipidemia, insulin resistance/type 2 diabetes, and hypertension. Clozapine and olanzapine are reported to precipitate the onset of metabolic syndrome features. In patients with metabolic syndrome, an antipsychotic with less metabolic side effects such as lurasidone, lumateperone, ziprasidone, and aripiprazole should be prioritized. Unlike medications, aerobic exercise and dietetic counseling were found to be efficient as the nonpharmacologic treatment of antipsychotic-induced metabolic syndrome. Few pharmacological treatments were proven effective against weight gain in this patient population. The risk of metabolic syndrome induced by antipsychotics should be early recognized and closely monitored. Primary and secondary prevention of metabolic syndrome or onset of its feature might help reduce the risk of death for patients using antipsychotics.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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 découle