No Longer Undertreated? Depression Diagnosis and Antidepressant Therapy in Elderly Long‐Stay Nursing Home Residents, 1999 to 2007
Notice bibliographique
Résumé
OBJECTIVES: To examine the evolution of depression identification and use of antidepressants in elderly long-stay nursing home residents from 1999 through 2007 and the associated sociodemographic and facility characteristics. DESIGN: Annual cross-sectional analysis of merged resident assessment data from the Minimum Data Set (MDS) and facility characteristics from the Online Survey Certification and Reporting data. SETTING: Nursing homes in eight states (5,445 facilities). PARTICIPANTS: Long-stay nursing home residents aged 65 and older (2,564,687 assessments). MEASUREMENTS: Physician-documented depression diagnoses recorded in the MDS were used to identify residents with depression; antidepressant use was measured using MDS information about residents' receipt of an antidepressant in the 7 days before assessment. RESULTS: Diagnosis of depression and antidepressant therapy in residents diagnosed increased at a rapid rate. By 2007, 51.8% of residents were diagnosed with depression, 82.8% of whom received an antidepressant. Adjusted odds of treatment were higher for younger residents, whites, and those with moderate impairment of cognitive function. CONCLUSION: This study demonstrates striking increases in depression diagnosis and treatment with antidepressant medications, but disparities persist without clear evidence about underlying mechanisms. More research is needed to assess effectiveness of antidepressant prescribing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».