Depression in patients with advanced illness: An examination of Ontario complex continuing care using the Minimum Data Set 2.0
Notice bibliographique
Résumé
OBJECTIVE: In this study, we examined the prevalence of depression, its recognition, and its treatment in continuing care patients with advanced illness (AI). METHODS: All data were obtained from the Ontario (Canada) provincially-mandated MDS 2.0 form for chronic care. Of 3,801 patients, 524 met our empiric definition of AI, which was predicated on a previously validated algorithm. The MDS-embedded Depression Rating Scale (DRS) was used to measure psychological well-being and a score of 3 or greater indicated potential depression. RESULTS: Twenty-nine percent of patients with AI scored greater than 3, making them nearly twice as likely to be potentially depressed as other patients (OR 1.8, 95% CI 1.5-2.2). Despite this patients with AI were less likely to have received antidepressants (28.9% vs. 38.2%), even among those with a diagnosis (45.3% vs. 58.4%). Using logistic regression, correlates of potential depression were identified and surprisingly patients with cancer were substantially less likely to be depressed (AOR 0.37, 95% CI 0.2-0.6). Further investigation revealed that cancer patients were more likely to be treated for depression and to be recognized as being within the terminal phase of illness. SIGNIFICANCE OF RESULTS: These findings suggest that a high proportion of terminally ill patients had unmet needs for psychological support. As well, they suggest that cancer patients received better targeted end-of-life care, which resulted in an overall decrease in psychological distress when compared to other patients with similarly advanced illness.
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 ».