Accumulation of major depressive episodes over time in a prospective study indicates that retrospectively assessed lifetime prevalence estimates are too low
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Most epidemiologic studies concerned with Major Depressive Disorder have employed cross-sectional study designs. Assessment of lifetime prevalence in such studies depends on recall of past depressive episodes. Such studies may underestimate lifetime prevalence because of incomplete recall of past episodes (recall bias). An opportunity to evaluate this issue arises with a prospective Canadian study called the National Population Health Survey (NPHS). METHODS: The NPHS is a longitudinal study that has followed a community sample representative of household residents since 1994. Follow-up interviews have been completed every two years and have incorporated the Composite International Diagnostic Interview short form for major depression. Data are currently available for seven such interview cycles spanning the time frame 1994 to 2006. In this study, cumulative prevalence was calculated by determining the proportion of respondents who had one or more major depressive episodes during this follow-up interval. RESULTS: The annual prevalence of MDD ranged between 4% and 5% of the population during each assessment, consistent with existing literature. However, 19.7% of the population had at least one major depressive episode during follow-up. This included 24.2% of women and 14.2% of men. These estimates are nearly twice as high as the lifetime prevalence of major depressive episodes reported by cross-sectional studies during same time interval. CONCLUSION: In this study, prospectively observed cumulative prevalence over a relatively brief interval of time exceeded lifetime prevalence estimates by a considerable extent. This supports the idea that lifetime prevalence estimates are vulnerable to recall bias and that existing estimates are too low for this reason.
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.
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) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle