The development of depressive symptoms in older adults from a network perspective in the English Longitudinal Study of Ageing
Notice bibliographique
Résumé
An increased understanding of the interrelations between depressive symptoms among older populations could help improve interventions. However, studies often use sum scores to understand depression in older populations, neglecting important symptom dynamics that can be elucidated in evolving depressive symptom networks. We computed Cross-Lagged Panel Network Models (CLPN) of depression symptoms in 11,391 adults from the English Longitudinal Study of Ageing. Adults aged 50 and above (mean age 65) were followed over 16 years throughout this nine-wave representative population study. Using the eight-item Center for Epidemiological Studies Depression Scale, we computed eight CLPNs covering each consecutive wave. Across waves, networks were consistent with respect to the strength of lagged associations (edge weights) and the degree of interrelationships among symptoms (centrality indices). Everything was an effort and could not get going displayed the strongest reciprocal cross-lagged associations across waves. These two symptoms and loneliness were core symptoms as reflected in strong incoming and outgoing connections. Feeling depressed was strongly predicted by other symptoms only (incoming but not strong outgoing connections were observed) and thus was not related to new symptom onset. Restless sleep had outgoing connections only and thus was a precursor to other depression symptoms. Being happy and enjoying life were the least central symptoms. This research underscores the relevance of somatic symptoms in evolving depression networks among older populations. Findings suggest the central symptoms from the present study (everything was an effort, could not get going, loneliness) may be potential key intervention targets to mitigate depression in older adults.
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 | 0,001 |
| 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 ».