Accuracy of Observer-Rated Measurement Scales for Depression Assessment in Patients with Major Neurocognitive Disorders Residing in Long-Term Care Centers: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Depression is often under-detected in long-term care (LTC) patients with major neurocognitive disorders (MNCD) and is associated with important morbidity, mortality, and costs. Observer-rated outcome measures (ObsROMs) could help resolve this problematic; however, evidence on their accuracy is scattered in the literature. This systematic review aimed at summarizing this evidence. METHODS: A literature search was conducted in 7 databases using keywords, MeSHs, and bibliographic searches. We included studies published before January 2022 and reporting on the accuracy of a depression ObsROM used in LTC patients with MNCD. Data extraction, analysis, synthesis, and study methodological quality assessments were done by two authors, and discrepancies were resolved by consensus. RESULTS: Among 9,660 articles retrieved, 8 studies reporting on 11 depression measures were included. Scales were classified as patient-reported outcome measures used as Obs-ROMs or true ObsROMs. Among the first category, the Cornell Scale for Depression in Dementia (CSDD) and the Montgomery-Asberg Depression Rating Scale (MADRS) performed best (area under the curve [AUC]: 0.73-0.87), although both presented with low positive predictive values and high negative predictive values. Among the second category, the Nursing Homes Short Depression Inventory (NH-SDI) performed best, with an AUC of 0.93 and ≥85% sensitivity, specificity, and predictive values. CONCLUSION: The CSDD and MADRS may be useful to rule out depression in LTC patients with MNCD, whereas the NH-SDI may be useful to rule in and out depression within this same population. Before recommending their use, adequately powered studies to further examine their accuracy in different contexts are necessary.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».