Mortality and Lithium-Protective Effects after First-Episode Mania Diagnosis in Bipolar Disorder: A Nationwide Retrospective Cohort Study in Taiwan
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to estimate all-cause mortality in patients after a first-episode mania (FEM) and examine whether six guideline-recommended medications can reduce mortality. METHODS: The cohort included population-based FEM samples and matched controls from Taiwan, spanning 2007 to 2018. The primary outcomes assessed were all-cause/suicide-related mortality, while the secondary outcome focused on mortality associated with pharmacological treatments. We compared mortality in post-FEM patients and age-/sex-matched controls without any diagnosed bipolar disorders and patients with and without psychopharmacological treatment using Cox regression analysis, respectively. Statistics were presented with time-to-event adjusted hazard ratios (AHRs) and 95% confidence intervals (CIs). RESULTS: The study included 54,092 post-FEM patients and 270,460 controls, totaling 2,467,417 person-years of follow-up. Post-FEM patients had higher risks of all-cause mortality (AHR 2.38, 95% CI: 2.31-2.45) and suicide death (10.80, 5.88-19.84) than controls. Lithium (0.62, 0.55-0.70), divalproex (0.89, 0.83-0.95), and aripiprazole (0.81, 0.66-1.00) were associated with reduced all-cause mortality compared to non-users. There were no significant all-cause mortality differences for quetiapine (0.95, 0.89-1.01), risperidone (0.92, 0.82-1.02), and paliperidone (1.24, 0.88-1.76) users. When accounting for drug action onset times in sensitivity analyses, only lithium significantly reduced all-cause mortality (AHR range 0.65-0.72). There were 35 and 16 suicide deaths in post-FEM patients and controls, respectively. No drug had a significant effect on suicide deaths (lithium: 6; divalproex: 7; aripiprazole: 0; quetiapine: 10; risperidone: 4; paliperidone: 1). CONCLUSION: Post-FEM patients had a higher risk of all-cause/suicide-related mortality, and lithium treatment might reduce all-cause mortality.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».