MétaCan
Menu
Retour à la cohorte
Enregistrement W3093941852 · doi:10.1001/jamanetworkopen.2020.20213

The Early Burden of Disability in Individuals With Mood and Other Common Mental Disorders in Ontario, Canada

2020· article· en· W3093941852 sur OpenAlexaffabout
Benício N. Frey, Simone N. Vigod, Taiane de Azevedo Cardoso, Diego Librenza‐Garcia, Lindsay Favotto, Flávio Kapczinski

Notice bibliographique

RevueJAMA Network Open · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensInstitute for Clinical Evaluative SciencesWomen's College HospitalUniversity of TorontoMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésMoodMood disordersPsychiatryCohortMedicineCohort studyPopulationBipolar disorderAnxietyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Large population-based data on the trajectory to disability after the first diagnosis of a mood disorder are lacking. Objective: To assess the time between an incident mood disorder diagnosis and the receipt of disability services during a follow-up period of as long as 20 years. Design, Setting, and Participants: This cohort study used health administrative and social service data from ICES for 1 902 792 adults aged 18 to 59 years living in Ontario, Canada. A narrow cohort of individuals who had a new diagnosis of a mood disorder between October 1, 1997, and March 31, 2007, matched by sex and age to individuals with no history of mood disorder, included 278 296 participants. A broader cohort of individuals who had a new diagnosis of other common mental disorders during the same period, matched by sex and age to individuals with no history of mental disorder diagnosis, included 1 624 496 individuals. All individuals were followed up to a maximum end date of March 31, 2017. Data analysis was conducted from November 2017 to June 2018. Exposure: Incident diagnosis of mood or common mental disorder. Main Outcomes and Measures: Disability outcomes were as follows: (1) entry into the Ontario Disability Support Program (ODSP), signifying long-term inability to work because of a disability, and (2) admission into a long-term care (LTC) residence, signifying the inability to live in independent housing. Cox proportional hazards models were used. Results: In the full cohort of 1 902 792 individuals, 278 296 participants (14.6%) were included in the mood disorder cohort (mean [SD] age, 37.5 [11.9] years; 157 386 [56.6%] women), and 1 624 496 participants (85.4%) were included in the common mental disorder cohort (mean [SD], 36.5 [11.8] years; 932 545 [57.4%] women). The incidence of ODSP initiation was greater among individuals with mood disorders than those without (51.5 per 10 000 person-years vs 25.5 per 10 000 person-years; adjusted hazard ratio [aHR], 2.03; 95% CI, 1.95-2.11) and for those with common mental disorders (45.0 per 10 000 person-years vs 27.6 per 10 000 person-years; aHR, 1.57; 95% CI, 1.55-1.60). The aHR for admission to LTC was also higher among individuals with mood disorders compared with those without (aHR, 2.20; 95% CI, 1.80-2.69) and those with common mental disorders compared with those without (aHR, 1.21; 95% CI, 1.14-1.29). Individuals with bipolar disorders had greater ODSP rates than individuals with major depressive disorders (crude rate ratio: 4.31 [95% CI, 3.56-5.17] vs 1.82 [95% CI, 1.36-2.43]). Conclusions and Relevance: This cohort study found that mood disorders were associated with elevated and early rates of disability services. Effective early intervention strategies targeting functional impairment in this population are encouraged.

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 enseignants0,021
Score d'incertitude au seuil0,211

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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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

Citations37
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSchizophrenia research and treatmentTravaux en français237 207