Diabetes increases the risk of depression: A systematic review, meta-analysis and estimates of population attributable fractions based on prospective studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We aim to examine the relationship between diabetes and depression risk in longitudinal cohort studies and by how much the incidence of depression in a population would be reduced if diabetes was reduced. Medline/PubMed, EMBASE, PsycINFO, and Cochrane Library databases were searched for English-language published literature from January 1990 to December 2017. Longitudinal studies with criteria for depression and self-report doctors' diagnoses or diagnostic blood test measurement of diabetes were assessed. Systematic review with meta-analysis synthesized the results. Study quality, heterogeneity, and publication bias were examined. Pooled odds ratios were calculated using random effects models. Population attributable fractions (PAFs) were used to estimate potential preventive impact. Twenty high-quality articles met inclusion criteria and were analyzed. The pooled odds ratio (OR) between diabetes and depression was 1.33 (95% CI, 1.18-1.51). For the various study types the ORs were as follows: prospective studies (OR 1.34, 95% CI 1.14-1.57); retrospective studies (OR 1.30, 95% CI 1.05-1.62); self-reported diagnosis of diabetes (OR 1.37, 95% CI 1.17-1.60); and diagnostic diabetes blood test (OR 1.25, 95% CI 1.04-1.52). PAFs suggest that over 9.5 million of global depression cases are potentially attributable to diabetes. A 10-25% reduction in diabetes could potentially prevent 930,000 to 2.34 million depression cases worldwide. Our systematic review provides fairly robust evidence to support the hypothesis that diabetes is an independent risk factor for depression while also acknowledging the impact of risk factor reduction, study design and diagnostic measurement of exposure which may inform preventive interventions.
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.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découle