Characterization of Depressive Symptoms in Dementia and Examination of Possible Risk Factors
Notice bibliographique
Résumé
Background: Depression in individuals with Alzheimer's disease (AD) is common, distressing, difficult to treat, and inadequately understood. It occurs more frequently in AD than in older adults without dementia. The reasons why some patients develop depression during AD and others do not remain obscure. Objective: We aimed to characterize depression in AD and to identify risk factors. Methods: = 757 with AD). Depression ratings were available using the GDS and NPI and in addition for BDR the Cornell. A cut-off of≥8 was used for the GDS and the Cornell Scale for Depression in Dementia,≥6 for the NPI depression sub-scale, and≥2 for the NPI-Q depression sub-scale. We used logistic regression to examine potential risk factors and random effects meta-analysis and an interaction term to look for interactions between each risk factor and the presence of cognitive impairment. Results: In individual studies there was no evidence of a difference in risk factors for depressive symptoms in AD. In the meta-analysis the only risk factor which increased the risk of depressive symptoms in AD was previous depression, but information on this was only available from one study (OR 7.78 95% CI 4.03-15.03). Conclusion: Risk factors for depression in AD appear to differ to those for depression per se supporting suggestions of a different pathological process, although a past history of depression was the strongest individual risk factor.
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 | 0,000 |
| 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 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 ».