Depressive pseudodementia in Greek patients: How differential diagnosis can lead to early diagnosis
Notice bibliographique
Résumé
Background The term Pseudodementia, as presented by Kiloh, is being used to describe the clinical image characterized by depression combined with impairment in cognitive functions which reacts positively in treatment with antidepressants. Aim To explore the aspects that make this condition unique, so that mental health professional will be able to use the proper psychometric tools when they face patients with confusing symptoms. Method Hundred and thirty-one participants were recruited from the B’ Psychiatric Clinic of G.H.N.P “Agios Panteleimon” and Day Center of Alzheimer's Disease in Amarousion, with 56 (42.7%) males and 75 (57.3%) females. All participants were administered the MoCA and the DASS21 questionnaires. Statistical analysis was performed with SPSS21. Results The findings reported a significant difference in the scores of MoCA done by patients with dementia (M = 13.9, SD = 5.4) and patients with depression (M = 20.5, SD = 4.9) while both groups scored below the accepted scores indicating cognitive impairment [CI]. However, analysis showed that in the following sectors of MoCA, depressive patients scored significantly higher than demented ones: visuospatial (MD = 0.651), clock (MD = 1.288), orientation (MD = 1.212) and delayed recall (MD = 1.329). Conclusion Findings shows a significant pattern in the difference between depressed and patients with cognitive impairment. These findings suggest that mental health professionals should use neuropsychological measurements like MoCA when evaluating such cases in order to be able to diagnose effectively cases of pseudodementia. Disclosure of interest The authors have not supplied their declaration of competing interest.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».