Mortality in depressed and non-depressed primary care Swedish patients: a 12-year follow-up cohort study
Notice bibliographique
Résumé
BACKGROUND: Data regarding mortality among depressed patients in Swedish primary care is limited. OBJECTIVES: We compared mortality in a cohort of depressed and non-depressed patients at long-term follow-up and compared these values with standardized mortality rates (SMRs) in the Swedish population. Hazards ratios (HRs) for the relationship between death and depression, psychosocial factors and lifestyle were analysed, and we explored the proportion of unnatural causes of deaths. METHODS: Mortality was studied in a cohort of 124 depressed and 280 non-depressed patients 12 years after being diagnosed with depression in primary care. Mortality and the mortality rates and SMRs in depressed and non-depressed patients were compared by gender. Cox regression was applied to calculate HRs for the risk of dying for explanatory variables, including depression, psychosocial factors and lifestyle. RESULTS: A larger number of depressed patients, 11% (n = 14), compared with non-depressed patients, 4% (n = 12), died (P = 0.008), with significantly higher values among depressed men (P = 0.014). SMRs did not differ from those of the Swedish population. Depression was the only variable associated with a significantly elevated risk of death (HR, 3.34; 95% CI, 1.38-8.08). Nearly one-third of deaths had unnatural causes when alcohol-related deaths were included. CONCLUSION: This study underlines the importance of careful follow-up of all depressed patients' mental and physical health and the intervention on unhealthy lifestyles. Large primary care database studies are needed to explore the association between depression, co-morbid somatic diseases, lifestyle and mortality.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».