Mood Disorders in Late Life: A Population-based Analysis of Prevalence, Risk Factors, and Consequences in Community-dwelling Older Adults in Ontario: Troubles de l’humeur en âge avancé : Une analyse dans la population de la prévalence, des facteurs de risque et des conséquences chez des adultes âgés vivant en milieu communautaire en Ontario
Notice bibliographique
Résumé
OBJECTIVE: Mental health issues in late life are a growing public health challenge as the population aged 65 and older rapidly increases worldwide. An updated understanding of the causes of mood disorders and their consequences in late life could guide interventions for this underrecognized and undertreated problem. We undertook a population-based analysis to quantify the prevalence of mood disorders in late life in Ontario, Canada, and to identify potential risk factors and consequences. METHOD: Individuals aged 65 or older participating in 4 cycles of a nationally representative survey were included. Self-report of a diagnosed mood disorder was used as the outcome measure. Using linked administrative data, we quantified associations between mood disorder and potential risk factors such as demographic/socioeconomic factors, substance use, and comorbidity. We also determined associations between mood disorders and 5-year outcomes including health service utilization and mortality. RESULTS: The prevalence of mood disorders was 6.1% (4.9% among males, 7.1% among females). Statistically significant associations with mood disorders included younger age, female sex, food insecurity, chronic opioid use, smoking, and morbidity. Individuals with mood disorders had increased odds of all consequences examined, including placement in long-term care (adjusted odds ratio [OR] =2.28; 95% confidence interval [CI], 1.71 to 3.02) and death (adjusted OR = 1.35; 95% CI, 1.13 to 1.63). CONCLUSIONS: Mood disorders in late life were strongly correlated with demographic and social/behavioral factors, health care use, institutionalization, and mortality. Understanding these relationships provides a basis for potential interventions to reduce the occurrence of mood disorders in late life and their consequences.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».