The comorbidity of depression and neurocognitive disorder in persons with HIV infection: call for investigation and treatment
Notice bibliographique
Résumé
Depression and neurocognitive disorder continue to be the major neuropsychiatric disorders affecting persons with HIV (PWH). The prevalence of major depressive disorder is two to fourfold higher among PWH than the general population (∼6.7%). Prevalence estimates of neurocognitive disorder among PWH range from 25 to over 47% - depending upon the definition used (which is currently evolving), the size of the test battery employed, and the demographic and HIV disease characteristics of the participants included, such as age range and sex distribution. Both major depressive disorder and neurocognitive disorder also result in substantial morbidity and premature mortality. However, though anticipated to be relatively common, the comorbidity of these two disorders in PWH has not been formally studied. This is partly due to the clinical overlap of the neurocognitive symptoms of these two disorders. Both also share neurobehavioral aspects - particularly apathy - as well as an increased risk for non-adherence to antiretroviral therapy. Shared pathophysiological mechanisms potentially explain these intersecting phenotypes, including neuroinflammatory, vascular, and microbiomic, as well as neuroendocrine/neurotransmitter dynamic mechanisms. Treatment of either disorder affects the other with respect to symptom reduction as well as medication toxicity. We present a unified model for the comorbidity based upon deficits in dopaminergic transmission that occur in both major depressive disorder and HIV-associated neurocognitive disorder. Specific treatments for the comorbidity that decrease neuroinflammation and/or restore associated deficits in dopaminergic transmission may be indicated and merit study.
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 | 0,000 | 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 ».