Association between ideal cardiovascular health and depression incidence: a longitudinal analysis of ELSA‐Brasil
Notice bibliographique
Résumé
OBJECTIVE: We investigated whether ideal cardiovascular health (ICH), a metric proposed by the American Heart Association, predicts depression development. METHODS: Cohort analysis from the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil). Adults with no current depression and other common mental disorders, cardiovascular diseases, and antidepressant drug use at baseline had their ICH (composite score of smoking, dietary habits, body mass index, blood pressure, fasting glucose, cholesterol, and physical activity) assessed and classified into poor, intermediate, and optimal. Depression was assessed using the Clinical Interview Schedule-Revised (CIS-R). Poisson regression models, adjusted for sociodemographic factors and alcohol consumption, were employed. Stratified analyses were performed for age and sex. RESULTS: We included 9214 participants (mean age 52 ± 9 years, 48.6% women). Overall depression incidence at 3.8-year follow-up was 1.5%. Intermediate and poor ICH significantly increased the risk rate (RR) of developing depression (2.48 [95%CI 1.06-5.78] and 3 [1.28-7.03], respectively) at a 3.8-year follow-up. Higher ICH scores decreased the rate of depression development (RR = 0.84 [0.73-0.96] per metric). Stratified analyses were significant for women and adults < 55 years old. CONCLUSIONS: Poor cardiovascular health tripled depression risk at follow-up in otherwise healthy adults. Ameliorating cardiovascular health might decrease depression risk development.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 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 ».