Lithium Therapy’s Potential to Lower Dementia Risk and the Prevalence of Alzheimer’s Disease: A Meta-Analysis
Notice bibliographique
Résumé
INTRODUCTION: Dementia is a neurodegenerative disease with insidious onset and progressive progression, of which the most common type is Alzheimer's disease (AD). Lithium, a trace element in the body, has neuroprotective properties. However, whether lithium can treat dementia or AD remains a highly controversial topic. Therefore, we conducted a meta-analysis. METHODS: A systematic literature review was conducted on PubMed, Embase, and Web of Science. Comparison of the effects of lithium on AD or dementia in terms of use, duration, and dosage, and meta-analysis to test whether lithium therapy is beneficial in ameliorating the onset of dementia or AD. Sensitivity analyses were performed using a stepwise exclusion method. The Newcastle-Ottawa Scale (NOS) was used to assess the quality of included studies. We determined the relative risk (RR) between patient groups using a random-effects model. RESULTS: A total of seven studies were included. The forest plot results showed that taking lithium therapy reduced the risk of AD (RR 0.59, 95% confidence interval [CI]: 0.44-0.78) and is also protective in reducing the risk of dementia (RR 0.66, 95% CI: 0.56-0.77). The duration of lithium therapy was able to affect dementia incidence (RR 0.70, 95% CI: 0.55-0.88); however, it is unclear how this effect might manifest in AD. It is also uncertain how many prescriptions for lithium treatment lower the chance of dementia development. CONCLUSION: The duration of treatment and the usage of lithium therapy seem to lower the risk of AD and postpone the onset of dementia.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,001 |
| 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 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 ».