Risk Factors and Management Strategies for Antipsychotic-Induced Weight Gain: A Prescriptive Review for Clinicians
Notice bibliographique
Résumé
Antipsychotic-induced weight gain (AIWG) is a pervasive and concerning side effect of treatment with antipsychotic medications (APs) that has grave implications for morbidity and mortality rates in individuals with serious mental illness. As such, acknowledging, identifying, and addressing the metabolic side effects of these medications are critical to improve the overall health and quality of life of individuals treated with APs. This review summarizes the key risk factors and predictors of AIWG and provides a comprehensive and prescriptive overview of the best-researched and evidenced nonpharmacological and pharmacological therapies available to address this problem. Age, prior exposure to APs, and AP type are strong determinants of AIWG. Metabolic monitoring and lifestyle changes remain the methods of choice for addressing metabolic risk in this population. Clinical guidelines have recommended the off-label use of metformin when such interventions are not effective, and there is emerging evidence for the effectiveness of other novel weight loss agents in this population that may represent an opportunity for greater metabolic improvements. Most of the research and guidelines to date have focused on treating AIWG; however, prevention efforts may confer greater benefits given the challenges of reversing weight gain. To effectively mitigate the metabolic risks associated with these medications, substantial system-level reforms in both education and clinical service delivery are essential, with a focus on proactive monitoring and early intervention based on up-to-date evidence and best-practice recommendations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».