MétaCan
Menu
Retour à la cohorte
Enregistrement W2989453251 · doi:10.1093/geroni/igz038.057

COMORBIDITY IN NEURODEGENERATIVE DISEASES AND MENTAL HEALTH CONDITIONS: IMPLICATIONS FOR HEALTH SYSTEM BURDEN

2019· article· en· W2989453251 sur OpenAlexaff
Colleen J. Maxwell, Laura C. Maclagan, Ruth Ann Marrie, Luke Mondor, Walter P. Wodchis, David B. Hogan, Susan E. Bronskill

Notice bibliographique

RevueInnovation in Aging · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversity of CalgaryUniversity of ManitobaInstitute for Clinical Evaluative SciencesUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDementiaPsychiatrySchizophrenia (object-oriented programming)AnxietyMedicineDiseaseDepression (economics)ComorbidityMood disordersPopulationMoodCohortEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Research suggests that older adults with neurodegenerative diseases are at increased risk of developing a subsequent neurodegenerative or comorbid psychiatric disorder or both. Depression and other psychiatric conditions, though prevalent, are often under-diagnosed and under-treated among those with neurodegenerative conditions potentially leading to more rapid disease progression, poorer health outcomes and increased health care use. Few population-based studies have comprehensively examined the risk and temporal ordering of common neurodegenerative and psychiatric conditions, including whether these associations differ by age or sex. Initial findings regarding the incidence of ordered pairs of neurological conditions (including dementia, Parkinson’s disease and stroke) and psychiatric disorders (including mood and anxiety disorders, and schizophrenia) will be summarized. This population-based retrospective cohort study will provide essential data to allow policymakers, planners and providers to better anticipate the prognosis and care needs of older adults with comorbid neurodegenerative and psychiatric conditions.

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)0,000
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 enseignants0,044
Score d'incertitude au seuil0,283

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,036
Tête enseignante GPT0,398
Écart entre enseignants0,361 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207