Differences in the burden of psychiatric comorbidity in MS vs the general population
Notice bibliographique
Résumé
OBJECTIVE: We aimed to compare the incidence and prevalence of psychiatric comorbidity in the multiple sclerosis (MS) population and in controls matched for age, sex, and geographic area. METHODS: Using population-based administrative health data from 4 Canadian provinces, we identified 2 cohorts: 44,452 persons with MS and 220,849 controls matched for age, sex, and geographic area. We applied validated case definitions to estimate the incidence and prevalence of depression, anxiety, bipolar disorder, and schizophrenia from 1995 to 2005. We pooled the results across provinces using meta-analyses. RESULTS: Of the MS cases, 31,757 (71.3%) were women with a mean (SD) age at the index date of 43.8 (13.7) years. In 2005, the annual incidence of depression per 100,000 persons with MS was 979 while the incidence of anxiety was 638, of bipolar disorder was 328, and of schizophrenia was 60. The incidence and prevalence estimates of all conditions were higher in the MS population than in the matched population. Although the incidence of depression was higher among women than men in both populations, the disparity in the incidence rates between the sexes was lower in the MS population (incidence rate ratio 1.26; 95% confidence interval: 1.07-1.49) than in the matched population (incidence rate ratio 1.50; 95% confidence interval: 1.21-1.86). Incidence rates were stable over time while prevalence increased slightly. CONCLUSIONS: Psychiatric comorbidity is common in MS, and more frequently affected the MS population than a matched population, although the incidence was stable over time. Men with MS face a disproportionately greater relative burden of depression when they develop MS than women.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».