Detecting depression in persons living with mild cognitive impairment: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: Depression is common in persons experiencing mild cognitive impairment (MCI), with 32% (95% Cl 27, 37) overall experiencing depression. Persons with MCI who have depression have more cognitive changes compared to those without depression. To understand how we can detect depressive symptoms in persons with MCI, we undertook a systematic review to identify tools that were validated compared with a reference standard. DESIGN: We searched MEDLINE, EMBASE, PsycINFO, and Cochrane from inception to April 25, 2021, and conducted a gray literature search. Title/abstract and full-text screening were completed in duplicate. Demographic information, reference standards, prevalence, and diagnostic accuracy measures were then extracted from included articles (PROSPERO CRD: CRD42016052120). RESULTS: Across databases, 8,748 abstracts were generated after removing duplicates. Six hundred and sixty-five records underwent full-text screening, with six articles included for data extraction. Nine tools were identified compared to a reference standard, with multiple demonstrating a sensitivity of 100% (Brief Assessment Schedule Depression Cards, Beck Depression Inventory-II, Cornell Scale for Depression in Dementia, Zung Self-Rated Depression Scale, and the Neuropsychiatric Inventory). The second highest sensitivity reported was 89% (Patient Health Questionnaire-9). Too few studies were available for a meta-analysis. CONCLUSIONS: Multiple depression detection tools have been examined amongst MCI outpatients, with several showing high sensitivity. However, this evidence is only present in single studies, with little demonstration of how differing MCI types affect accuracy. More research is needed to confirm the accuracy of these tools amongst persons with MCI. At this time, several tools could be suitable for use in cognitive clinics.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».