Adult ADHD and comorbid depression: A consensus-derived diagnostic algorithm for ADHD
Notice bibliographique
Résumé
OBJECTIVE: Many patients present to their physician with depression as their primary symptom. However, depression may mask other comorbid disorders. This article presents diagnostic criteria and treatment recommendations (and monitoring) pertaining to the diagnosis of adult attention deficit hyperactivity disorder (ADHD), which may be missed in patients who present with depressive symptoms, or major depressive disorder (MDD). Other co-occurring conditions such as anxiety, substance use, and bipolar disorder are briefly discussed. METHODS: A panel of psychiatrist-clinicians with expertise in the area of child and adolescent ADHD and mood disorders, adult mood disorders, and adult ADHD was convened. A literature search for recommendations on the diagnosis and treatment of co-occurring conditions (MDD, anxiety symptoms, and substance use) with adult ADHD was performed. Based on this, and the panel's clinical expertise, the authors developed a diagnostic algorithm and recommendations for the treatment of adult ADHD with co-occurring MDD. RESULTS: Little information exists to assist clinicians in diagnosing ADHD co-occurring with other disorders such as MDD. A three-step process was developed by the panel to aid in the screening and diagnosis of adult ADHD. In addition, comorbid MDD, bipolar disorder, anxiety symptoms, substance use and cardiovascular concerns regarding stimulant use are discussed. CONCLUSION: This article provides clinicians with a clinically relevant overview of the literature on comorbid ADHD and depression and offers a clinically useful diagnostic algorithm and treatment suggestions.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,011 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».