Predictors of long-term prognosis of depression
Notice bibliographique
Résumé
BACKGROUND: Many people with depression experience repeated episodes. Previous research into the predictors of chronic depression has focused primarily on the clinical features of the disease; however, little is known about the broader spectrum of sociodemographic and health factors inherent in its development. Our aim was to identify factors associated with a long-term negative prognosis of depression. METHODS: We included 585 people aged 16 years and older who participated in the 2000/01 cycle of the National Population Health Survey and who reported experiencing a major depressive episode in 2000/01. The primary outcome was the course of depression until 2006/07. We grouped individuals into trajectories of depression using growth trajectory models. We included demographic, mental and physical health factors as predictors in the multivariable regression model to compare people with different trajectories. RESULTS: Participants fell into two main depression trajectories: those whose depression resolved and did not recur (44.7%) and those who experienced repeated episodes (55.3%). In the multivariable model, daily smoking (OR 2.68, 95% CI 1.54-4.67), low mastery (i.e., feeling that life circumstances are beyond one's control) (OR 1.10, 95% CI 1.03-1.18) and history of depression (OR 3.5, 95% CI 1.95-6.27) were significant predictors (p < 0.05) of repeated episodes of depression. INTERPRETATION: People with major depression who were current smokers or had low levels of mastery were at an increased risk of repeated episodes of depression. Future studies are needed to confirm the predictive value of these variables and to evaluate their accuracy for diagnosis and as a guide to treatment.
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 | 0,001 | 0,001 |
| 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) | 0,004 | 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 ».