Disease Management for Depression in an Ms Clinic
Notice bibliographique
Résumé
OBJECTIVE: Evidence-based treatments for depression in multiple sclerosis (MS) are available, but their implementation can be challenging. We explored the feasibility and effectiveness of implementing a disease management program for depression in an MS clinic. METHODS: A non-randomized "before-after" design was used. The University of Calgary MS Clinic performs routine screening for depression using the Center for Epidemiologic Studies Depression Rating Scale (CES-D). During a six month baseline period, the screen results were not systematically acted upon. During a subsequent nine-month study period, a case manager was routinely notified of positive screens. These patients were offered disease management. Major depression was assessed six months later with a blind administration of the Mini Neuropsychiatric Interview (MINI). Quality of life (EQ-5D) and functional status (WHO DAS II) were also measured. RESULTS: Eighty-three patients were enrolled in the study; 54 were in the disease management group and 29 received treatment as usual. There was a lower frequency of major depression in the intervention group six months post-screening. No differences in quality of life or functional status were seen. CONCLUSIONS: Disease management approaches for depression were developed in primary care environments and have been adapted for geriatric and diabetic populations. These strategies may require modification for application in MS clinics. While an intervention for depression was effective in those who received it, its impact on the targeted clinical population was reduced by lower than expected rates of participation and higher than expected rates of treatment at baseline.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».