Recurrence Rates in Ontario Physicians Monitored for Major Depression and Bipolar Disorder
Notice bibliographique
Résumé
OBJECTIVE: Physicians with recurrent conditions that may affect job performance are sometimes referred for monitoring to help ensure compliance with treatment, ongoing remission of illness, and patient safety. Little is known about recurrence rates among doctors monitored for mood disorders. Our primary objective was to describe recurrence rates among Ontario physicians monitored for recurrent unipolar depression and bipolar disorder (BD). Our secondary objective was to explore predictors of recurrence. METHOD: We used a retrospective cohort design to describe the time to recurrence, defined as either stopping work owing to symptoms or any re-emergence of symptoms meeting a pre-established clinical threshold. Our exploratory analysis of recurrence predictors included age, sex, psychiatric diagnosis, psychiatric comorbidity, medical comorbidity, number of past episodes, past hospitalizations, and family history of psychiatric disorder. RESULTS: During a median observation of 24 months, 36% (18 of 50) of physicians stopped work owing to recurrence of symptoms, with the median time to stopping work being 11 months. As well, 52% (26 of 50) had a re-emergence of clinical symptoms, with the median time to any level of symptom re-emergence being 13 months. Physicians with psychiatric comorbidity stopped work sooner (hazard ratio [HR] 3.53; 95% CI 1.24 to 10.03, P = 0.01) and had more rapid symptom re-emergence (HR 2.96; 95% CI 1.34 to 6.52, P = 0.004) than those without comorbidity. The most common psychiatric comorbidity was a Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition, anxiety disorder. CONCLUSION: Recurrence rates are high among Ontario physicians referred for formal monitoring of recurrent unipolar depression and BD, and are markedly hastened by the presence of psychiatric comorbidity.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».