A major depression prognosis calculator based on episode duration.
Notice bibliographique
Résumé
BACKGROUND: Epidemiological data have shown that the probability of recovery from an episode declines with increasing episode duration, such that the duration of an episode may be an important factor in determining whether treatment is required. The objective of this study is to incorporate episode duration data into a calculator predicting the probability of recovery during a specified interval of time. METHODS: Data from two Canadian epidemiological studies were used, both studies were components of a program undertaken by the Canadian national statistical agency. One component was a cross-sectional psychiatric epidemiological survey (n = 36,984) and the other was a longitudinal study (n = 17,262). RESULTS: A Weibull distribution provided a good description of episode durations reported by subjects with major depression in the cross-sectional survey. This distribution was used to develop a discrete event simulation model for episode duration calibrated using the longitudinal data. The resulting estimates were then incorporated into a predictive calculator. During the early weeks of an episode, recovery probabilities are high. The model predicts that approximately 20% will recover in the first week after diagnostic criteria for major depression are met. However, after six months of illness, recovery during a subsequent week is less than 1%. CONCLUSION: The duration of an episode is relevant to the probability of recovery. This epidemiological feature of depressive disorders can inform prognostic judgments. Watchful waiting may be an appropriate strategy for mild episodes of recent onset, but the risks and benefits of this strategy must be assessed in relation to time since onset of the episode.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».