MétaCan
Menu
Retour à la cohorte
Enregistrement W2794640528 · doi:10.4088/jcp.16m11371

Executive Function Predicts Antidepressant Treatment Noncompletion in Late-Life Depression

2018· article· en· W2794640528 sur OpenAlexaff
Pilar Cristancho, Eric J. Lenze, David Dixon, J. Philip Miller, Benoit H. Mulsant, Charles F. Reynolds, Meryl A. Butters

Notice bibliographique

RevueThe Journal of Clinical Psychiatry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Mental HealthNational Institute on Aging
Mots-clésPsychologyMajor depressive episodeCognitionRepeatable Battery for the Assessment of Neuropsychological StatusNeuropsychologyDepression (economics)Cognitive flexibilityPsychiatryFluencyMedicineClinical psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine whether executive function (EF) is associated with nonremission and noncompletion of antidepressant pharmacotherapy in older adults with depression. DESIGN: In this prospective study (July 2009 to May 2014), older adults (aged ≥ 60 years; n = 468) with a DSM-IV-defined major depressive episode diagnosed via structured interview received 12 weeks of venlafaxine extended release with the goal of achieving remission. A hypothesis was made that worse baseline EF would predict both nonremission and noncompletion (primary outcomes). Treatment-related factors, including side effects and nonadherence, were also studied. METHODS: Baseline EF, including response inhibition and set-shifting, was assessed with subtests of the Delis-Kaplan Executive Function System and the semantic fluency subtest of the Repeatable Battery for the Assessment of Neuropsychological Status (RBANS). Attention, immediate memory, delayed memory, visuospatial ability, and global cognition were also assessed with the RBANS. RESULTS: Of 468 participants, 96 (21%) failed to complete the treatment trial, 191 (41%) completed and remitted, and 181 (39%) completed and did not remit. Univariate analyses indicated that some EFs (set-shifting and semantic fluency) and other cognitive variables (attention, immediate memory, visuospatial ability, and global cognition) predicted treatment noncompletion, whereas no cognitive variables predicted nonremission. In a multivariate logistic regression model, semantic fluency (P = .003), comorbid medical burden (P < .001), and early nonadherence (P < .001) were significant predictors of treatment noncompletion. CONCLUSIONS: Poorer EF predicted treatment noncompletion. These findings suggest that EFs of initiation and set maintenance (examined by the semantic fluency task) may allow depressed elderly individuals to engage and stay in treatment. Identification of those at risk for noncompletion may help implementation strategies for personalized care. TRIAL REGISTRATION: ClinicalTrials.gov identifier: NCT00892047.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,396
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical PsychiatryMême sujetTreatment of Major DepressionTravaux en français237 207