People with severe mental illness (SMI) – schizophrenia, bipolar disorder and major depressive disorder – appear at risk for cardiovascular disease (CVD), but a comprehensive meta‐analysis is lacking. We conducted a large‐scale meta‐analysis assessing the prevalence and incidence of CVD; coronary heart disease; stroke, transient ischemic attack or cerebrovascular disease; congestive heart failure; peripheral vascular disease; and CVD‐related death in SMI patients (N=3,211,768) versus controls (N=113,383,368) (92 studies). The pooled CVD prevalence in SMI patients (mean age 50 years) was 9.9% (95% CI: 7.4‐13.3). Adjusting for a median of seven confounders, patients had significantly higher odds of CVD versus controls in cross‐sectional studies (odds ratio, OR=1.53, 95% CI: 1.27‐1.83; 11 studies), and higher odds of coronary heart disease (OR=1.51, 95% CI: 1.47‐1.55) and cerebrovascular disease (OR=1.42, 95% CI: 1.21‐1.66). People with major depressive disorder were at increased risk for coronary heart disease, while those with schizophrenia were at increased risk for coronary heart disease, cerebrovascular disease and congestive heart failure. Cumulative CVD incidence in SMI patients was 3.6% (95% CI: 2.7‐5.3) during a median follow‐up of 8.4 years (range 1.8‐30.0). Adjusting for a median of six confounders, SMI patients had significantly higher CVD incidence than controls in longitudinal studies (hazard ratio, HR=1.78, 95% CI: 1.60‐1.98; 31 studies). The incidence was also higher for coronary heart disease (HR=1.54, 95% CI: 1.30‐1.82), cerebrovascular disease (HR=1.64, 95% CI: 1.26‐2.14), congestive heart failure (HR=2.10, 95% CI: 1.64‐2.70), and CVD‐related death (HR=1.85, 95% CI: 1.53‐2.24). People with major depressive disorder, bipolar disorder and schizophrenia were all at increased risk of CVD‐related death versus controls. CVD incidence increased with antipsychotic use (p=0.008), higher body mass index (p=0.008) and higher baseline CVD prevalence (p=0.03) in patients vs. controls. Moreover, CVD prevalence (p=0.007), but not CVD incidence (p=0.21), increased in more recently conducted studies. This large‐scale meta‐analysis confirms that SMI patients have significantly increased risk of CVD and CVD‐related mortality, and that elevated body mass index, antipsychotic use, and CVD screening and management require urgent clinical attention.

In people suffering from schizophrenia, major areas of everyday life are impaired, including independent living, productive activities and social relationships. Enhanced understanding of factors that hinder real-life functioning is vital for treatments to translate into more positive outcomes. The goal of the present study was to identify predictors of real-life functioning in people with schizophrenia, and to assess their relative contribution. Based on previous literature and clinical experience, several factors were selected and grouped into three categories: illness-related variables, personal resources and context-related factors. Some of these variables were never investigated before in relationship with real-life functioning. In 921 patients with schizophrenia living in the community, we found that variables relevant to the disease, personal resources and social context explain 53.8% of real-life functioning variance in a structural equation model. Neurocognition exhibited the strongest, though indirect, association with real-life functioning. Positive symptoms and disorganization, as well as avolition, proved to have significant direct and indirect effects, while depression had no significant association and poor emotional expression was only indirectly and weakly related to real-life functioning. Availability of a disability pension and access to social and family incentives also showed a significant direct association with functioning. Social cognition, functional capacity, resilience, internalized stigma and engagement with mental health services served as mediators. The observed complex associations among investigated predictors, mediators and real-life functioning strongly suggest that integrated and personalized programs should be provided as standard treatment to people with schizophrenia.

Anorexia nervosa (AN) is a complex and heritable eating disorder characterized by dangerously low body weight. Neither candidate gene studies nor an initial genome-wide association study (GWAS) have yielded significant and replicated results. We performed a GWAS in 2907 cases with AN from 14 countries (15 sites) and 14 860 ancestrally matched controls as part of the Genetic Consortium for AN (GCAN) and the Wellcome Trust Case Control Consortium 3 (WTCCC3). Individual association analyses were conducted in each stratum and meta-analyzed across all 15 discovery data sets. Seventy-six (72 independent) single nucleotide polymorphisms were taken forward for in silico (two data sets) or de novo (13 data sets) replication genotyping in 2677 independent AN cases and 8629 European ancestry controls along with 458 AN cases and 421 controls from Japan. The final global meta-analysis across discovery and replication data sets comprised 5551 AN cases and 21 080 controls. AN subtype analyses (1606 AN restricting; 1445 AN binge–purge) were performed. No findings reached genome-wide significance. Two intronic variants were suggestively associated: rs9839776 (P=3.01 × 10−7) in SOX2OT and rs17030795 (P=5.84 × 10−6) in PPP3CA. Two additional signals were specific to Europeans: rs1523921 (P=5.76 × 10−6) between CUL3 and FAM124B and rs1886797 (P=8.05 × 10−6) near SPATA13. Comparing discovery with replication results, 76% of the effects were in the same direction, an observation highly unlikely to be due to chance (P=4 × 10−6), strongly suggesting that true findings exist but our sample, the largest yet reported, was underpowered for their detection. The accrual of large genotyped AN case-control samples should be an immediate priority for the field.

Anorexia nervosa (AN) is a complex and serious eating disorder, occurring in ~1% of individuals. Despite having the highest mortality rate of any psychiatric disorder, little is known about the aetiology of AN, and few effective treatments exist. Global efforts to collect large sample sizes of individuals with AN have been highly successful, and a recent study consequently identified the first genome-wide significant locus involved in AN. This result, coupled with other recent studies and epidemiological evidence, suggest that previous characterizations of AN as a purely psychiatric disorder are over-simplified. Rather, both neurological and metabolic pathways may also be involved. In order to elucidate more of the system-specific aetiology of AN, we applied transcriptomic imputation methods to 3,495 cases and 10,982 controls, collected by the Eating Disorders Working Group of the Psychiatric Genomics Consortium (PGC-ED). Transcriptomic Imputation (TI) methods approaches use machine-learning methods to impute tissue-specific gene expression from large genotype data using curated eQTL reference panels. These offer an exciting opportunity to compare gene associations across neurological and metabolic tissues. Here, we applied CommonMind Consortium (CMC) and GTEx-derived gene expression prediction models for 13 brain tissues and 12 tissues with potential metabolic involvement (adipose, adrenal gland, 2 colon, 3 esophagus, liver, pancreas, small intestine, spleen, stomach). We identified 35 significant gene-tissue associations within the large chromosome 12 region described in the recent PGC-ED GWAS. We applied forward stepwise conditional analyses and FINEMAP to associations within this locus to identify putatively causal signals. We identified four independently associated genes; RPS26, C12orf49, SUOX, and RDH16. We also identified two further genome-wide significant gene-tissue associations, both in brain tissues; REEP5, in the dorso-lateral pre-frontal cortex (DLPFC; p=8.52x10-07), and CUL3, in the caudate basal ganglia (p=1.8x10-06). These genes are significantly enriched for associations with anthropometric phenotypes in the UK BioBank, as well as multiple psychiatric, addiction, and appetite/satiety pathways. Our results support a model of AN risk influenced by both metabolic and psychiatric factors.

Eating disorders and substance use disorders frequently co-occur. Twin studies reveal shared genetic variance between liabilities to eating disorders and substance use, with the strongest associations between symptoms of bulimia nervosa (BN) and problem alcohol use (genetic correlation [rg], twin-based=0.23-0.53). We estimated the genetic correlation between eating disorder and substance use and disorder phenotypes using data from genome-wide association studies (GWAS). Four eating disorder phenotypes (anorexia nervosa [AN], AN with binge-eating, AN without binge-eating, and a BN factor score), and eight substance-use-related phenotypes (drinks per week, alcohol use disorder [AUD], smoking initiation, current smoking, cigarettes per day, nicotine dependence, cannabis initiation, and cannabis use disorder) from eight studies were included. Significant genetic correlations were adjusted for variants associated with major depressive disorder (MDD). Total sample sizes per phenotype ranged from ~2,400 to ~537,000 individuals. We used linkage disequilibrium score regression to calculate single nucleotide polymorphism-based genetic correlations between eating disorder and substance-use-related phenotypes. Significant positive genetic associations emerged between AUD and AN (rg=0.18; false discovery rate q=0.0006), cannabis initiation and AN (rg=0.23; q<0.0001), and cannabis initiation and AN with binge-eating (rg=0.27; q=0.0016). Conversely, significant negative genetic correlations were observed between three non-diagnostic smoking phenotypes (smoking initiation, current smoking, and cigarettes per day) and AN without binge-eating (rgs=-0.19 to -0.23; qs<0.04). The genetic correlation between AUD and AN was no longer significant after co-varying for MDD loci. The patterns of association between eating disorder- and substance-use-related phenotypes highlights the potentially complex and substance-specific relationships between these behaviors.