Prevalence and risk factors for metabolic syndrome in schizophrenia, schizoaffective, and bipolar disorder
Notice bibliographique
Résumé
BACKGROUND: Metabolic Syndrome (MetS) is a risk for developing cardiovascular diseases and its prevalence is especially high in psychiatric patients. To date, there is limited data from the United Arab Emirates (UAE) on the prevalence of MetS. Therefore, we aimed to investigate its prevalence and possible risk factors in a large sample of psychiatric patients in the UAE. METHODS: A cross-sectional study was conducted at Al-Ain Hospital, in Al-Ain City, UAE. We collected demographic and clinical data on patients diagnosed with schizophrenia, schizoaffective, and bipolar affective disorder in the period between January 2017 and December 2020. This included their secondary diagnosis (psychiatric or medical), vital signs (heart rate, systolic and diastolic blood pressure, Body Mass Index [BMI]), metabolic parameters (fasting blood glucose, cholesterol, triglycerides, low-density lipoprotein, high-density lipoproteins), and prescribed medications. We used the American Association of Clinical Endocrinology (AACE) criteria to diagnose MetS. RESULTS: = 250) had MetS with no statistical difference between the three groups. Fasting blood glucose levels and abnormally elevated triglycerides were significant predictors for MetS. CONCLUSION: Our study found that around one in three patients had MetS irrespective of the three diagnoses. Some variables were significant predictors for MetS. Our findings were consistent with other studies and warrant the need for regular screening and management of abnormal metabolic parameters.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».