Socio-demographic and psychiatric risk factors in incident and persistent depression: An analysis in the occupational cohort of ELSA-Brasil
Notice bibliographique
Résumé
BACKGROUND: Depression is a main source of disability worldwide. Identifying risk factors associated with incident and persistent episodes could inform clinical practice and hence mitigate their burden. However, previous research has focused on populations from developed countries. Thus, we evaluated sociodemographic risk factors and psychiatric comorbidities associated with incident and persistent depression in a large Brazilian occupational cohort. METHODS: We examined baseline (2008-2010, n = 15,105) and follow-up (2012-2014) data from the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil). Based on the presence of depression diagnosis at two timepoints, we diagnosed persistent and incident depression. Simple and multiple logistic regression analyses were employed to explore risk factors associated with incident and persistent depression. As gender is associated with the exposure and outcome variables, analyses stratified by gender were also conducted. RESULTS: Presence of any anxiety disorder, obsessive-compulsive disorder, and female gender were significant (p < 0.001) risk factors for depression incidence (odds ratios of 2.59, 3.6, and 1.82, respectively) and persistence (odds ratios of 6.94, 14.37, and 2.85, respectively) in multiple models, whereas having university degree decreased the odds of depression incidence (0.74) and persistence (0.45). In stratified analyses, the effects of low education were only evident in women. LIMITATIONS: Brief depressive episodes could not be measured by our assessments. CONCLUSION: In this occupational cohort, female gender, low education and psychiatric comorbidities were associated with unfavorable depression courses. Interventions targeting comorbidities could prevent depression incidence and persistence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».