Depression in Diabetic Patients: What Is the Link With Eating Disorders? Results of a Study in a Representative Sample of Patients With Type 1 Diabetes
Notice bibliographique
Résumé
Background and Purpose: Comorbidity between diabetes and depression, and diabetes and eating disorders (ED) conveys significant diagnostic, clinical and therapeutic implications. The present study was conducted on a sample of adult outpatients affected by Type 1 Diabetes (T1DM) to assess lifetime prevalence of ED; current prevalence of depression and Disturbed Eating Behaviors (DEB) and their impact on glycemic control. We hypothesized that patients with depression would have higher rates of lifetime ED and current DEB. We hypothesized a significant and independent association between DEB and the prevalence of depression. Materials and Methods: The study was carried out using a cross-sectional design in a sample of 172 diabetic patients with T1DM aged from 17 to 55 years. Lifetime prevalence of ED according to DSM-5 criteria was assessed by means of the Module H modified of the Structured Clinical Interview for DSM-IV Axis I Disorder (SCID-I). The following questionnaires were used: Beck Depression Inventory-IA version (BDI-IA) and Diabetes Eating Problems Survey-Revised (DEPS-R), to assess respectively the current presence of depression and DEB. Socio-demographic, clinical, and laboratory data were also collected. Results: = 0.003). The presence of DEB was associated with poor glycemic control. On the other hand, no association was found between depression and metabolic compensation. Conclusion: Adult patients with T1DM and depression should be screened for ED and DEB. Treating DEB could positively impact both mood and glycemic control in this population. Further studies should be carried out on a larger patient population using a longitudinal design and an accurate method of evaluation to explore the complex relationship between diabetes, depression, ED, and DEB. Future research should investigate treatment strategies for DEB in T1DM patients and their impact on both psychopathological and metabolic outcomes.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».