The Canadian Network for Mood and Anxiety Treatments (Canmat) Task Force Recommendations for the Management of Patients with Mood Disorders and Comorbid Metabolic Disorders
Notice bibliographique
Résumé
Background One goal of the Canadian Network for Mood and Anxiety Treatments (CANMAT) is to develop evidence-based and best practice educational programs and recommendations. Our group conducted a comprehensive literature review to provide evidence-based recommendations for treating metabolic comorbidity in individuals with major depressive disorder (MDD) and bipolar disorder (BD). Methods We searched PubMed for all English-language articles published January 1966 to November 2010 using BD and MDD cross-referenced with metabolic syndrome , obesity , diabetes mellitus , hypertension , and dyslipidemia . That search was augmented by a review of articles reporting outcomes of an intervention targeting components of metabolic syndrome in individuals with MDD or BD. Results Consensus exists for the recommendation that individuals with MDD and BD should be routinely screened for risk factors that increase risk for metabolic syndrome. For excess weight, the best-studied pharmacologic approaches are metformin and topiramate, with emerging evidence for liraglutide and modafinil. For binge eating disorder, the best evidence in mood disorders was for cognitive-behavioral therapy as well as topiramate, zonisamide, and in select cases selective serotonin reuptake inhibitors. For dysglycemia, dyslipidemia, and hypertension, evidence supports cognitive-behavioral interventions and anti-diabetic, antilipidemic, and antihypertensive treatments. Conclusions Comprehensive care of individuals with mood disorders should include routine evaluation of the risk and presence of metabolic syndrome and its components. Systematic evaluation of preventative and targeted treatments of metabolic syndrome in mood disorder populations is insufficient.
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) | 0,000 | 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 ».