Depression Case Finding in Individuals with Dementia: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
OBJECTIVES: To compare the diagnostic accuracy of depression case finding tools with a criterion standard in the outpatient setting among adults with dementia. DESIGN: Systematic review and meta-analysis. SETTING: Studies of older outpatients with dementia. PARTICIPANTS: Elderly outpatients (clinic and long-term care) with dementia (N = 3,035). MEASUREMENTS: Prevalence of major depression and diagnostic accuracy measures including sensitivity, specificity, and likelihood ratios. RESULTS: From the 11,539 citations, 20 studies were included for qualitative synthesis and 15 for a meta-analysis. Tools included were the Montgomery Åsberg Depression Rating Scale, Cornell Scale for Depression in Dementia (CSDD), Geriatric Depression Scale (GDS), Center for Epidemiologic Studies Depression Scale (CES-D), Hamilton Depression Rating Scale (HDRS), Single Question, Nijmegen Observer-Rated Depression Scale, and Even Briefer Assessment Scale-Depression. The pooled prevalence of depression in individuals with dementia was 30.3% (95% CI = 22.1-38.5). The average age was 75.2 (95% CI = 71.7-78.7), and mean Mini-Mental State Examination scores ranged from 11.2 to 24. The diagnostic accuracy of the individual tools was pooled for the best-reported cutoffs and for each cutoff, if available. The CSDD had a sensitivity of 0.84 (95% CI = 0.73-0.91) and a specificity of 0.80 (95% CI = 0.65-0.90), the 30-item GDS (GDS-30) had a sensitivity of 0.62 (95% CI = 0.45-0.76) and a specificity 0.81 (95% CI = 0.75-0.85), and the HDRS had a sensitivity of 0.86 (95% CI = 0.63-0.96) and a specificity of 0.84 (95% CI = 0.76-0.90). Summary statistics for all tools across best-reported cutoffs had significant heterogeneity. CONCLUSION: There are many validated tools for the detection of depression in individuals with dementia. Tools that incorporate a physician interview with patient and collateral histories, the CSDD and HDRS, have higher sensitivities, which would ensure fewer false-negatives.
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 | 0,021 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,032 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».