Trajectories of daily antipsychotic use and weight gain in people hospitalized for the first episode of psychosis
Notice bibliographique
Résumé
BACKGROUND: We need to better understand the risk factors and predictors of medication-related weight gain to improve metabolic health of individuals with schizophrenia. This study explores how trajectories of antipsychotic medication (AP) use impact body weight early in the course of schizophrenia. METHODS: = 92) during their first psychiatric hospitalization. We prospectively collected weight, body mass index (BMI), metabolic markers, and exact daily medication exposure during 6-week hospitalization. We quantified the trajectory of AP medication changes and AP polypharmacy using a novel approach based on meta-analytical ranking of medications and tested it as a predictor of weight gain together with traditional risk factors. RESULTS: = 29). Then, 48% of individuals remained on their first prescribed medication, while 33% of people remained on monotherapy. Almost half of the individuals (39/92) experienced escalation of medications, mostly switch to AP polypharmacy (90%). Only baseline BMI was a predictor of BMI change. Individuals in the top tercile of weight gain, compared to those in the bottom tercile, showed lower follow-up symptoms, a trend for longer prehospitalization antipsychotic treatment, and greater exposure to metabolically problematic medications. CONCLUSIONS: Early in the course of illness, during inpatient treatment, baseline BMI is the strongest and earliest predictor of weight gain on APs and is a better predictor than type of medication, polypharmacy, or medication switches. Baseline BMI predicted weight change over a period of weeks, when other traditional predictors demonstrated a much smaller effect.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».