Risk factor modifications and depression incidence: a 4-year longitudinal Canadian cohort of the Montreal Catchment Area Study
Notice bibliographique
Résumé
OBJECTIVE: Few studies have examined the effect of risk factor modifications on depression incidence. This study was to explore psychosocial risk factors for depression and quantify the effect of risk factor modifications on depression incidence in a large-scale, longitudinal population-based study. METHODS: Data were from the Montreal Longitudinal Catchment Area study (N=2433). Multivariate modified Poisson regression was used to estimate relative risk (RR). Population attributable fractions were also used to estimate the potential impact of risk factor modifications on depression incidence. RESULTS: The cumulative incidence rate of major depressive disorder at the 2-year follow-up was 4.8%, and 6.6% at the 4-year follow-up. Being a younger adult, female, widowed, separated or divorced, Caucasian, poor, occasional drinker, having a family history of mental health problems, having less education and living in areas with higher unemployment rates and higher proportions of visible minorities, more cultural community centres and community organisations, were consistently associated with the increased risk of incident major depressive disorder. Although only 5.1% of the disease incidence was potentially attributable to occasional drinking (vs abstainers) at the 2-year follow-up, the attribution of occasional drinking doubled at the 4-year follow-up. A 10% reduction in the prevalence of occasional drinking in this population could potentially prevent half of incident cases. CONCLUSIONS: Modifiable risk factors, both individual and societal, could be the targets for public depression prevention programmes. These programmes should also be gender-specific, as different risk factors have been identified for men and women. Public health preventions at individual levels could focus on the better management of occasional drinking, as it explained around 5%~10% of incident major depressive disorders. Neighbourhood characteristics could also be the target for public prevention programmes. However, this could be very challenging. A cost-effectiveness analysis of a variety of prevention efforts is warranted.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».