Approach To Treatment Of Depression In Parkinson’s Disease: Results from NPF-QII (P7.073)
Notice bibliographique
Résumé
OBJECTIVE: Characterize correlations between approach to depression care and prevalence of depression in Parkinson’s disease (PD) patients. BACKGROUND: Depressive disturbances are highly prevalent in people with PD but under-diagnosed and under-treated. Many approaches to depression care are employed, but relative efficacy has not been established. METHODS: We examined intervention approaches to depression care at clinics for associations with its prevalence, including antidepressant medications (AD), meeting with a social worker (SW), treatment by a mental health professional (MH), or combinations in subjects from the NPF Quality Improvement Initiative (NPF-QII), an ongoing study of PD at specialty movement disorders clinics. The PDQ-39 Emotional Well-being score (PDQe) provided a surrogate marker of depression with PDQe > 25% indicating clinically significant depression. Subjects were limited to those without comorbid conditions between 50 and 70 years old with Hoehn and Yahr stage 2 or 3, at clinics with 75 or more subjects meeting the criteria. RESULTS: Of 2011 subjects at 11 clinics, 805 (40%) were depressed; prevalence ranged from 29% to 52% across clinics. The overall intervention rate varied from 37% to 66% for depressed subjects (mean, 47%). Intervention rates at clinics by modality were measured to range as follows: AD 26%-52% SW 0%-26% MH 5%-44% Centers with lower overall prevalence of depression more frequently utilized MH (r2 = 0.66; p = 0.0017). There were no differences in depression prevalence associated with SW or AD. CONCLUSIONS: A reduced burden of depression is associated with increased referral to MH. Neither AD nor SW were similarly associated. These results, which will be validated against longitudinal follow up data, support the importance of involving mental health professionals the care of patients with PD.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».