Increased Burden of Psychiatric Disorders in Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: We estimated the incidence and prevalence of depression, anxiety disorder, bipolar disorder, and schizophrenia in a population-based cohort with rheumatoid arthritis (RA) as compared to an age-, sex-, and geographically matched cohort without RA. METHODS: Using population-based administrative health data from Manitoba, Canada, we identified persons with incident RA between 1989 and 2012, and a cohort from the general population matched 5:1 on year of birth, sex, and region of residence. We applied validated algorithms for depression, anxiety disorder, bipolar disorder, and schizophrenia to determine the annual incidence of these conditions after the diagnosis of RA, and their lifetime and annual period prevalence. We compared findings between cohorts using negative binomial regression models. RESULTS: We identified 10,206 incident cases of RA and 50,960 matched individuals. After adjustment for age, sex, socioeconomic status, region of residence, number of physician visits, and year, the incidence of depression was higher in the RA cohort over the study period (incidence rate ratio [IRR] 1.46 [95% confidence interval (95% CI) 1.35-1.58]), as was the incidence of anxiety disorder (IRR 1.24 [95% CI 1.15-1.34]) and bipolar disorder (IRR 1.21 [95% CI 1.00-1.47]). The incidence of schizophrenia did not differ between groups (IRR 0.96 [95% CI 0.61-1.50]). Incidence rates of psychiatric disorders declined minimally over time. The lifetime and annual period prevalence of depression and anxiety disorder were also higher in the RA than in the matched cohort over the study period. CONCLUSION: The incidence and prevalence of depression, anxiety disorder, and bipolar disorder are elevated in the RA population as compared to a matched population.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».