Towards measuring effective coverage: critical bottlenecks in quality- and user-adjusted coverage for major depressive disorder in São Paulo metropolitan area, Brazil
Notice bibliographique
Résumé
BACKGROUND: Major depressive disorder (MDD) contributes to a significant proportion of disease burden, disability, economic losses, and impact on need of treatment and health care in Brazil, but systematic information about its treatment coverage is scarce. This paper aims to estimate the gap in treatment coverage for MDD and identify key bottlenecks in obtaining adequate treatment among adult residents in the São Paulo Metropolitan area, Brazil. METHODS: A representative face-to-face household survey was conducted among 2942 respondents aged 18+ years to assess 12-month MDD, characteristics of 12-month treatment received, and bottlenecks to deliver care through the World Mental Health Composite International Diagnostic Interview. RESULTS: Among those with MDD (n = 491), 164 (33.3% [SE, 1.9]) were seen in health services, with an overall 66.7% treatment gap, and only 25.2% [SE, 4.2] received effective treatment coverage, which represents 8.5% of those in need, with a 91.5% gap in adequate care (66.4% due to lack of utilization and 25.1% due to inadequate quality and adherence). Critical service bottlenecks identified were: use of psychotropic medication (12.2 percentage points drop), use of antidepressants (6.5), adequate medication control (6.8), receiving psychotherapy (19.8). CONCLUSIONS: This is the first study demonstrating the huge treatment gaps for MDD in Brazil, considering not only overall coverage, but also identifying specific quality- and user-adjusted bottlenecks in delivering pharmacological and psychotherapeutic care. These results call for urgent combined actions focused in reducing effective treatment gaps within services utilization, as well as in reducing gaps in availability and accessibility of services, and acceptability of care for those in need.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».