The Prevalence and National Burden of Treatment-Resistant Depression and Major Depressive Disorder in the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Estimates of prevalence and burden of treatment-resistant depression (TRD) vary widely in the literature. This study evaluated the prevalence and burden of TRD and the share of TRD in the burden of medication-treated major depressive disorder (MDD) using the most commonly accepted definition of TRD and a novel bottom-up approach. METHODS: Prevalence and health care burden of TRD were estimated by synthetizing inputs across 4 similarly designed claims studies in adults covered by Medicare, Medicaid, commercial plans, and the US Veterans Health Administration (VHA). Productivity (absenteeism and presenteeism) and unemployment burden were estimated based on inputs from a study conducted with data from the Kantar National Health and Wellness Survey (NHWS; 2017). A targeted literature search for additional inputs was performed. A cost model was developed to estimate the burden of TRD and medication-treated DSM-5-defined MDD in the United States. Study outcomes were the 12-month prevalence of TRD and the annual health care, productivity, and unemployment burden of TRD and medication-treated MDD in the United States. RESULTS: The estimated 12-month prevalence of medication-treated MDD in the United States was 8.9 million adults, and 2.8 million (30.9%) had TRD. The total annual burden of medication-treated MDD among the US population was $92.7 billion, with $43.8 billion (47.2%) attributable to TRD. The share of TRD was 56.6% ($25.8 billion) of the health care burden, 47.7% ($8.7 billion) of the unemployment burden, and 32.2% ($9.3 billion) of the productivity burden of medication-treated MDD. CONCLUSIONS: TRD is associated with disproportionate health care costs and unemployment, suggesting potentially large economic and societal gains with effective management.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle