MétaCan
Menu
Retour à la cohorte
Enregistrement W4414180432 · doi:10.1192/j.eurpsy.2025.2088

Xerostomia Induced by Psychiatric Medications: Prevalence, Impact, and Management

2025· article· en· W4414180432 sur OpenAlexfundno aff
Ricardo Maldonado‐Puebla, Meena N. Murugappan, Brent R. Carr

Notice bibliographique

RevueEuropean Psychiatry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSalivary Gland Disorders and Functions
Établissements canadiensnon disponible
Organismes subventionnairesSapienza Università di RomaUniversity of TorontoFacoltà di Medicina e Psicologiaa, Sapienza Università di Roma
Mots-clésAdverse effectObservational studyDry mouthPsychological interventionTricyclicAnticholinergicPsychotropic medicationOral health

Résumé

récupéré en direct d'OpenAlex

Introduction Xerostomia, or dry mouth caused by reduced salivary flow, is a frequently reported adverse effect of various psychiatric medications, particularly tricyclic antidepressants (TCAs), antipsychotics, SSRIs, SNRIs, and anticholinergics. This condition can lead to severe oral health problems causing many patients to discontinue their medication. Anticholinergics and psychotropic medications cause xerostomia by blocking acetylcholine from binding to muscarinic receptors in the salivary glands. Determining rates of xerostomia among psychotropic medications could be useful for those who are at higher risk of xerostomia. Objectives To investigate the prevalence and clinical impact of xerostomia caused by psychiatric medications and to identify effective management strategies. Methods A narrative literature review of clinical trials, observational studies, and case reports was performed to gather data on the prevalence, severity, and management of xerostomia in patients on psychiatric medications. The review included TCAs (amitriptyline, nortriptyline), antipsychotics (clozapine, olanzapine, chlorpromazine), SSRIs (paroxetine, fluoxetine, sertraline, citalopram), SNRIs (venlafaxine, duloxetine), and anticholinergics (benztropine, trihexyphenidyl). Patient-reported outcomes and interventions were analyzed. Results Table 1: Prevalence of Xerostomia by Medication Medication Prevalence (%) Severity (Mild/Moderate/Severe) Management Strategies Amitriptyline 30-50 Moderate to Severe Saliva Substitutes, Pilocarpine Clozapine 10-30 Mild to Moderate Dose Reduction, Hydration Paroxetine 20-40 Mild to Moderate Sugar-free Chewing Gum, Hydration Anticholinergics* 20-65 Moderate to Severe Dose Adjustment, Saliva Substitutes *Anticholinergics include benztropine and trihexyphenidyl, commonly used to manage extrapyramidal symptoms. The prevalence of xerostomia was highest with amitriptyline (30-50%), followed by paroxetine (20-40%) and clozapine (10-30%). Anticholinergics contributed to xerostomia in 20-65% of cases. Amitriptyline and anticholinergics often caused moderate to severe cases of xerostomia. Management strategies included the use of saliva substitutes and pilocarpine for TCAs and anticholinergics, dose reduction and increased hydration for antipsychotics, and sugar-free chewing gum for SSRIs. Other medications not listed that are notable for significantly inducing xerostomia among their medication class include citalopram for SSRIs, venlafaxine for SNRIs, and chlorpromazine for antipsychotics. Conclusions TCAs and anticholinergics pose the highest risk for the side effect of xerostomia among psychiatric medications. Effective management requires a multifaceted approach, including pharmacologic and non-pharmacologic interventions. Future research should aim to explore alternative medications with lower xerostomia risk. Disclosure of Interest None Declared

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,276
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean PsychiatryMême sujetSalivary Gland Disorders and FunctionsTravaux en français237 207