Salsalate and/or metformin therapy confer beneficial metabolic effects in olanzapine treated female mice
Notice bibliographique
Résumé
Antipsychotic medications are used in the management of schizophrenia and a growing number of off-label conditions. While effective at reducing psychoses, these drugs possess noted metabolic side effects including weight gain, liver lipid accumulation and disturbances in glucose and lipid metabolism. To counter the side effects of antipsychotics standard of care has typically included metformin. Unfortunately, metformin does not protect against antipsychotic induced metabolic disturbances in all patients and thus additional treatment approaches are needed. One potential candidate could be salsalate, the prodrug of salicylate, which acts synergistically with metformin to improve indices of glucose and lipid metabolism in obese mice. The purpose of the current investigation was to compare the effects of salsalate, metformin and a combination of both drugs, on weight gain and indices of metabolic health in female mice treated with the antipsychotic, olanzapine. Herein we demonstrate that salsalate was equally as effective as metformin in protecting against olanzapine induced weight gain and liver lipid accumulation with no additional benefit of combining both drugs. Conversely, metformin treatment, either alone or in combination with salsalate, improved indices of glucose metabolism and increased energy expenditure in olanzapine treated mice. Collectively, our findings provide evidence that dual therapy with both metformin and salsalate could be an efficacious approach with which to dampen the metabolic consequences of antipsychotic medications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».