Six-month trajectories of self-reported depressive symptoms in long-term care
Notice bibliographique
Résumé
BACKGROUND: Depression is a common problem in long-term care (LTC) settings. We sought to characterize depression symptom trajectories over six months among older residents, and to identify resident characteristics at baseline that predict symptom trajectory. METHODS: This study was a secondary analysis of data from a six-month prospective, observational, and multi-site study. Severity of depressive symptoms was assessed with the 15-item Geriatric Depression Scale (GDS) at baseline and with up to six monthly follow-up assessments. Participants were 130 residents with a Mini-Mental State Examination score of 15 or more at baseline and of at least two of the six monthly follow-up assessments. Individual resident GDS trajectories were grouped using hierarchical clustering. The baseline predictors of a more severe trajectory were identified using the Proportional Odds Model. RESULTS: Three clusters of depression symptom trajectory were found that described "lower," "intermediate," and "higher" levels of depressive symptoms over time (mean GDS scores for three clusters at baseline were 2.2, 4.9, and 9.0 respectively). The GDS scores in all groups were generally stable over time. Baseline predictors of a more severe trajectory were as follows: Initial GDS score of 7 or more, female sex, LTC residence for less than 12 months, and corrected visual impairment. CONCLUSIONS: The six-month course of depressive symptoms in LTC is generally stable. Most residents who experience a more severe symptom trajectory can be identified at baseline.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».