MétaCan
Menu
Retour à la cohorte
Enregistrement W2921575816 · doi:10.1192/bjp.2019.5

Prevalence and correlates of major depressive disorder, bipolar disorder and schizophrenia among nursing home residents without dementia: systematic review and meta-analysis

2019· review· en· W2921575816 sur OpenAlexaff
Michele Fornaro, Marco Solmi, Brendon Stubbs, Nicola Veronese, Francesco Monaco, Stefano Novello, Andrea Fusco, Annalisa Anastasia, Domenico De Berardis, André F. Carvalho, Andrea de Bartolomeis, Eduard Vieta

Notice bibliographique

RevueThe British Journal of Psychiatry · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesCentro de Investigación Biomédica en Red de Salud MentalMinisterio de Ciencia e InnovaciónDepartment of Health and Social CareNational Institute for Health and Care ResearchKing's College Hospital NHS Foundation TrustMaudsley CharityKing's College London
Mots-clésBipolar disorderMajor depressive disorderMeta-analysisSchizophrenia (object-oriented programming)PopulationMedicinePsychiatryDementiaObservational studyClinical psychologyCognitionInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The elderly population and numbers of nursing homes residents are growing at a rapid pace globally. Uncertainty exists regarding the actual rates of major depressive disorder (MDD), bipolar disorder and schizophrenia as previous evidence documenting high rates relies on suboptimal methodology. AIMS: To carry out a systematic review and meta-analysis on the prevalence and correlates of MDD, bipolar disorder and schizophrenia spectrum disorder among nursing homes residents without dementia. METHOD: Major electronic databases were systematically searched from 1980 to July 2017 for original studies reporting on the prevalence and correlates of MDD among nursing homes residents without dementia. The prevalence of MDD in this population was meta-analysed through random-effects modelling and potential sources of heterogeneity were examined through subgroup/meta-regression analyses. RESULTS: Across 32 observational studies encompassing 13 394 nursing homes residents, 2110 people were diagnosed with MDD, resulting in a pooled prevalence rate of 18.9% (95% CI 14.8-23.8). Heterogeneity was high (I2 = 97%, P≤0.001); no evidence of publication bias was observed. Sensitivity analysis indicated the highest rates of MDD among North American residents (25.4%, 95% CI 18-34.5, P≤0.001). Prevalence of either bipolar disorder or schizophrenia spectrum disorder could not be reliably pooled because of the paucity of data. CONCLUSIONS: MDD is highly prevalent among nursing homes residents without dementia. Efforts towards prevention, early recognition and management of MDD in this population are 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,034
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0170,035
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,323
Écart entre enseignants0,299 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe British Journal of PsychiatryMême sujetSchizophrenia research and treatmentTravaux en français237 207