Comparing Features of Bipolar Disorder to Major Depressive Disorder in a Tertiary Mood Disorders Clinic
Notice bibliographique
Résumé
BACKGROUND: We sought to describe features that distinguish individuals with bipolar disorder from major depressive disorder. METHODS: A retrospective chart review of adult outpatients (N = 1000) seeking evaluation and treatment was conducted at the Mood Disorders Psychopharmacology Unit (MDPU), University Health Network, University of Toronto between October 2002 and November 2005 was conducted. Sociodemographic parameters, illness-characteristics and therapeutic interventions were evaluated and compared. RESULTS: The MDPU referring diagnosis were major depressive disorder (52%), bipolar disorder (29%), and unspecified (19%). Of all individuals with a non-bipolar entry diagnosis (n = 699), 23% (n = 159) were subsequently diagnosed with bipolar disorder (p < 0.001); the majority of whom (n = 117, 74%) received a non-bipolar I disorder diagnosis [e.g. bipolar II disorder (n = 71); bipolar NOS disorder (n = 46) (p < 0.001)]. Higher rates of unemployment/disability, previous depressive episodes, psychiatric hospitalization, comorbid hypertension, and lifetime substance use disorders, as well as an earlier age of illness-onset were more frequently endorsed by individuals with a diagnosis of bipolar disorder. Fifteen percent of individuals who were newly-diagnosed with bipolar disorder reported a history of antidepressant-associated mania. CONCLUSIONS: The majority of individuals with a newly-diagnosed bipolar disorder at this tertiary center have a non-bipolar I disorder (i.e., bipolar spectrum). Several indices of illness severity differentiate individuals with bipolar disorder from major depressive disorder.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».