MétaCan
Menu
Retour à la cohorte
Enregistrement W3080240219 · doi:10.1177/0091415020944405

Trajectories of Depression and Their Predictors in a Population-Based Study of Korean Older Adults

2020· article· en· W3080240219 sur OpenAlexaff
Hyun J. Lim, Yanzhao Cheng, Rasel Kabir, Lilian Thorpe

Notice bibliographique

RevueThe International Journal of Aging and Human Development · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)GerontologyDemographyMedicineDepressive symptomsPsychologyIntervention (counseling)Clinical psychologyPsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine trajectories of depression in older adults and to identify predictors of membership in the different trajectory groups. A total of 3983 individuals aged 65 or older were included. Latent class growth models were used to identify trajectory groups. Of 3983 individuals, 2269 (57%) were females, with a mean baseline age of 72.4 years ( SD = 6 years). Four depression trajectories were identified across 8 years of follow-up: “low-flat” ( n = 3636; 86.6%), “low-to-middle” ( n = 214; 9.2%), “low-to-high” ( n = 31; 1.3%), and “high-stable” ( n = 102; 2.9%). Compared to the low-flat depression group, high-stable depression group members were more likely to be female, have three or more chronic diseases, and were more likely not to own a home. Our findings will assist health policy decision-makers in planning intervention programs targeting those most likely to experience persistent depression in order to improve psychological well-being in the elderly.

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 enseignants0,110
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,024
Tête enseignante GPT0,312
Écart entre enseignants0,288 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Aging and Human DevelopmentMême sujetHealth disparities and outcomesTravaux en français237 207