The diagnosis of depression and its treatment in Canadian primary care practices: an epidemiological study
Notice bibliographique
Résumé
BACKGROUND: A diagnosis of depression is common in primary care practices, but data are lacking on the prevalence in Canadian practices. We describe the prevalence of the diagnosis among men and women, patient characteristics and drug treatment in patients diagnosed with depression in the primary care setting in Canada. METHODS: Using electronic medical record data from the Canadian Primary Care Sentinel Surveillance Network, we examined whether the prevalence of a depression diagnosis varied by patient characteristics, the number of chronic conditions and the presence of the following chronic conditions: hypertension, diabetes, chronic obstructive pulmonary disease, osteoarthritis, dementia, epilepsy and parkinsonism. We used regression models to examine whether patient characteristics and type of comorbidity were associated with a depression diagnosis. RESULTS: Of the 304 412 patients who had at least 1 encounter with their primary care provider between Jan. 1, 2011, and Dec. 31, 2012, 14% had a diagnosis of depression. Current or past smokers and women with a high body mass index had higher rates of depression. One in 4 patients with a diagnosis of depression also had another chronic condition; those with depression had 1.5 times more primary care visits. About 85% of patients with depression were prescribed medication, most frequently selective serotonin reuptake inhibitors, followed by atypical antipsychotics. INTERPRETATION: Our data provide information on the prevalence of a depression diagnosis in primary care and associations with being female, having a chronic condition, smoking history and obesity in women. Our findings may inform research and assist primary care providers with early detection and interventions in at-risk patient populations.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».