First episode psychosis and weight gain a longitudinal perspective in Cheshire UK: a comparison between individuals with nonaffective versus affective psychosis
Notice bibliographique
Résumé
Introduction Early weight gain following initiation of antipsychotic treatment predicts longer-term weight gain, with attendant long-term consequences including premature cardiovascular events/death. An important question is whether there is a difference in weight change over time between people with affective versus nonaffective psychosis. Here we describe the results of a real-world analysis of the BMI change in the months postdiagnosis with affective versus nonaffective psychosis. Methods We undertook an anonymised search across one Primary Care Network in Cheshire, UK with a total population of 32 301 individuals. We reviewed the health records of anyone who had been diagnosed over a 10-year period between June 2012 and June 2022 for the first time with first episode nonaffective psychosis versus psychosis associated with depression or bipolar affective disorder (affective psychosis). Results The overall % change in BMI was +8% in nonaffective psychosis individuals and +4% in those with a diagnosis of affective psychosis – however, the distribution was markedly skewed for nonaffective psychosis patients. Using caseness as >30% increase in BMI; affective = 4% cases and nonaffective = 13% cases, there was a three-fold difference in terms of increase in BMI. In regression analysis, the r 2 linking the initial BMI to % change in BMI was 0.13 for nonaffective psychosis and 0.14 for affective psychosis. Conclusion The differences observed here in the distribution of weight change over time between individuals with affective versus nonaffective psychosis may relate to underlying constitutional differences. The phenotypic and genetic factors underlying this difference remain to be defined.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».