A systematic review on the efficacy of GLP-1 receptor agonists in mitigating psychotropic drug-related weight gain
Notice bibliographique
Résumé
OBJECTIVE: Many psychotropic drugs are highly associated with related weight gain. Glucagon-like peptide-1 receptor agonists (GLP-1RAs) are established anti-obesity and glucose-lowering agents. Preliminary evidence also indicates they are fit for purpose in mitigating psychotropic drug-related weight gain (PDWG). This systematic review aims to synthesize the extant evidence from randomized controlled trials (RCTs) on the effects of GLP-1RAs on weight change in persons experiencing PDWG. METHODS: Online databases (ie, PubMed, OVID Medline, Google Scholar) were searched to identify relevant studies from inception to January 1, 2024. Articles were screened by title, abstract, and full-text by three independent reviewers against inclusion and exclusion criteria. RESULTS: We identified six studies with participants aged ≥18 (n=374) that were eligible for inclusion in our systematic review. Most studies reported a significant and clinically meaningful effect of GLP-1RAs on anthropometrics and/or metabolics. All RCTs replicated the finding of modest or greater effects of GLP-1RAs; the most studied agents were liraglutide and exenatide. There was insufficient literature to conduct a meta-analysis. CONCLUSION: Evidence suggests that GLP-1RAs are effective in mitigating weight gain in persons prescribed psychiatric medication. It is hypothesized that GLP-1RAs may moderate weight change in persons prescribed psychiatric medication through direct effects on metabolism and cognitive processes implicated in hunger/satiety. Future studies should aim to explore the long-term safety, tolerability, and efficacy profiles of various GLP-1RAs in the treatment and prevention of abnormal weight and metabolic homeostasis in psychiatric populations.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».