Comorbid Chronic General Health Conditions and Depression Care: A Population-Based Analysis
Notice bibliographique
Résumé
OBJECTIVE: Untreated depression among persons with chronic general health conditions (chronic health conditions) affects mortality, functional disability, quality of life, and health care costs. Currently, studies of the association between depression care and chronic health conditions report inconsistent results, and studies of depression care among persons with specific health conditions are rare. This study investigated the association between chronic health conditions and the likelihood of receiving depression care among individuals with depression. METHODS: Retrospective data from physician claims, hospital separations, vital statistics, and insurance plan registries were used to identify a cohort of individuals with depression and track 12-month use of health services among those with and without a chronic health condition. Disparities were analyzed by using generalized linear models. RESULTS: Individuals with depression and a chronic health condition had higher use of psychological therapy, higher use of any depression care, greater continuity of care, and better adherence to antidepressant therapy compared with individuals with depression only. However, they were less likely, in general, to be on antidepressant therapy, and individuals with diabetes had fewer visits to general practitioners for a mental health-related reason compared with individuals without diabetes. A trend toward lower use of any depression care was observed among patients with cerebrovascular disease. CONCLUSIONS: Use of depression care was generally higher among individuals with chronic health conditions, although there were differences in patterns of use by type of health condition. Some patients with specific health conditions could be at risk of being inappropriately treated for depression.
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 | 0,001 | 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 ».