The incidence and prevalence of psychiatric disorders in multiple sclerosis: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Psychiatric comorbidity is associated with lower quality of life, more fatigue, and reduced adherence to disease-modifying therapy in multiple sclerosis (MS). OBJECTIVES: The objectives of this review are to estimate the incidence and prevalence of selected comorbid psychiatric disorders in MS and evaluate the quality of included studies. METHODS: We searched the PubMed, PsychInfo, SCOPUS, and Web of Knowledge databases and reference lists of retrieved articles. Abstracts were screened for relevance by two independent reviewers, followed by full-text review. Data were abstracted by one reviewer, and verified by a second reviewer. Study quality was evaluated using a standardized tool. For population-based studies we assessed heterogeneity quantitatively using the I² statistic, and conducted meta-analyses. RESULTS: We included 118 studies in this review. Among population-based studies, the prevalence of anxiety was 21.9% (95% CI: 8.76%-35.0%), while it was 14.8% for alcohol abuse, 5.83% for bipolar disorder, 23.7% (95% CI: 17.4%-30.0%) for depression, 2.5% for substance abuse, and 4.3% (95% CI: 0%-10.3%) for psychosis. CONCLUSION: This review confirms that psychiatric comorbidity, particularly depression and anxiety, is common in MS. However, the incidence of psychiatric comorbidity remains understudied. Future comparisons across studies would be enhanced by developing a consistent approach to measuring psychiatric comorbidity, and reporting of age-, sex-, and ethnicity-specific estimates.
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 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».