Guest Editorial Metabolic Effects of Antipsychotic Treatment: Between a Rock and a Hard Place?
Notice bibliographique
Résumé
t often feels as though medicine is practised “between a rock and a hard place. ” As physicians, we make difficult treatment decisions that can profoundly affect the lives of our patients. This is particularly true with the present generation of antipsychotic medications, where we have to deal with the paradox that some of our best medications are associated with the greatest metabolic side effects (1). With our patients and their families, we face the dilemma of seeing improvement in psychotic symptoms accompanied by significant weight gain, lipid disturbance, and occasionally, emergent diabetes. We appreciate that our primary goal is to treat psychiatric illness, but do we need to accept these side effects as inevitable and unavoidable? How do we understand and how do we manage metabolic risk when we treat psychosis? Are we truly keeping in mind the long-term interests of our patients? We have learned that patients with schizophrenia and other forms of severe mental illness have high rates of medical comorbidity (2) and that their life expectancy is shortened, primarily as a consequence of increased coronary heart dis-ease mortality (3). There are barriers to accessing medical care related both to psychiatric illness (for example, self-neglect and difficulty in communicating symptoms) and to the health care system (for example, lack of integrated mental and physi-cal health care). This has been aptly described as “duel neglect by patients and the system ” (4, p 1). Psychiatrists are physi-cians first. What is our responsibility here? How far should we extend our scope of practice? In this issue of The Canadian Journal of Psychiatry, 3 review papers offer an overview of our present state of knowledge in this area, with the ambitious goal of informing and shaping clinical practice. In the first paper, John Newcomer and Dan Haupt from the Washington University School of Medicine review the meta-bolic effects of antipsychotic treatment (5). John Newcomer is
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,009 |
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 ».