MétaCan
Menu
Retour à la cohorte
Enregistrement W4391229561 · doi:10.1017/s1092852924000026

Somatic multicomorbidity and disability in patients with psychiatric disorders in comparison to the general population: a quasi-epidemiological investigation in 54,826 subjects from 40 countries (COMET-G study)

2024· article· en· W4391229561 sur OpenAlexaff
Konstantinos Ν. Fountoulakis, Grigorios N. Karakatsoulis, Seri Abraham, Kristina Adorjan, Helal Uddin Ahmed, Renato D. Alarcón, Kiyomi Arai, Sani Salihu Auwal, Michael Berk, Sarah Bjedov, Julio Bobes, Teresa Bobes-Bascarán, Julie Bourgin-Duchesnay, Cristina Bredicean, Laurynas Bukelskis, Akaki Burkadze, Indira Indiana Cabrera Abud, Ruby Castilla‐Puentes, Marcelo Cetkovich, Héctor Colón-Rivera, Ricardo Corral, Carla Cortez-Vergara, Piirika Crepin, Domenico De Berardis, Sergio Zamora Delgado, David Freitas de Lucena, Avinash De Sousa, Ramona Di Stefano, Seetal Dodd, Livia Priyanka Elek, Anna Elissa, B. Erdelyi-Hamza, Gamze Erzın, Martín Etchevers, Peter Falkai, Adriana Farcas, I. А. Fedotov, Viktoriia Filatova, Nikolaos K. Fountoulakis, Iryna Frankova, Francesco Franza, Pedro Frias, Tatiana Galako, Cristián Javier Garay, Leticia García-Álvarez, María Paz García‐Portilla, Xénia Gonda, Tomasz Gondek, Daniela Morera González, Hilary Gould, Paolo Grandinetti, Arturo Grau, Violeta Groudeva, Michal Hagin, Takayuki Harada, Tasdik M. Hasan, Nurul Azreen Hashim, Jan Hilbig, Sahadat Hossain, Rossitza Iakimova, Mona Ibrahim, Felicia Iftene, Yulia Ignatenko, Matías Irarrázaval, Zaliha Ismail, Jamila Ismayilova, Asaf Jakobs, Miro Jakovljević, Nenad Jakšić, Afzal Javed, Helin Yılmaz Kafalı, Sagar Karia, Olga Kazakova, Doaa Khalifa, Олена Хаустова, Steve Koh, Svetlana Kopishinskaia, Korneliia Kosenko, Sotirios A. Koupidis, Illés Kovács, Barbara Kulig, Alisha Lalljee, Justine Liewig, Abdul Majid, Evgeniia Malashonkova, Khamelia Malik, Najma Iqbal Malik, Gulay Mammadzada, Bilvesh Mandalia, Donatella Marazziti, Darko Marčinko, Stephanie Martinez, Eimantas Matiekus, Gabriela Mejia, Roha Saeed Memon, Xarah Elenne Meza Martínez, Dalia Mickevičiūtė, Roumen Milev, Muftau Mohammed, Alejandro Molina-López, Petr Morozov, Nuru Suleiman Muhammad, Filip Mustač, Mika S. Naor, Amira Nassieb, Alvydas Navickas, Tarek Okasha, Milena Pandova, Anca-Livia Panfil, Liliya Panteleeva, Ion Papavă, Mikaella E. Patsali, Alexey Pavlichenko, Bojana Pejušković, Mariana Pinto da Costa, Mikhail Popkov, Dina Popović, Nor Jannah Nasution Raduan, Francisca Vargas Ramírez, Elmārs Rancāns, Salmi Razali, Federico Rebok, Anna Rewekant, Elena Flores, María Teresa Rivera-Encinas, Pilar A. Sáiz, Manuel Sánchez de Carmona, David Saucedo Martínez, Jo Anne Saw, Görkem Saygılı, Patricia Schneidereit, Bhumika Shah, Tomohiro Shirasaka, Ketevan Silagadze, Satti Sitanggang, Oleg Skugarevsky, Anna Spikina, Sridevi Sira Mahalingappa, Maria Stoyanova, Anna Szczegielniak, Simona Claudia Tamasan, Giuseppe Tavormina, Maurilio Giuseppe Maria Tavormina, Pavlos N. Theodorakis, Mauricio Tohen, Eva-Maria Tsapakis, Dina Tukhvatullina, Irfan Ullah, Ratnaraj Vaidya, Johann M. Vega‐Dienstmaier, Jeļena Vrubļevska, Olivera Vuković, O. Vysotska, Natalia Widiasih Raharjanti, Anna Yashikhina, Panagiotis Prezerakos, Daria Smirnova

Notice bibliographique

RevueCNS Spectrums · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComorbidityPsychiatryMedicinePopulationPrevalence of mental disordersEpidemiologyMental illnessBipolar disorderMental healthInternal medicineMood

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The prevalence of medical illnesses is high among patients with psychiatric disorders. The current study aimed to investigate multi-comorbidity in patients with psychiatric disorders in comparison to the general population. Secondary aims were to investigate factors associated with metabolic syndrome and treatment appropriateness of mental disorders. METHODS: The sample included 54,826 subjects (64.73% females; 34.15% males; 1.11% nonbinary gender) from 40 countries (COMET-G study). The analysis was based on the registration of previous history that could serve as a fair approximation for the lifetime prevalence of various medical conditions. RESULTS: About 24.5% reported a history of somatic and 26.14% of mental disorders. Mental disorders were by far the most prevalent group of medical conditions. Comorbidity of any somatic with any mental disorder was reported by 8.21%. One-third to almost two-thirds of somatic patients were also suffering from a mental disorder depending on the severity and multicomorbidity. Bipolar and psychotic patients and to a lesser extent depressives, manifested an earlier (15-20 years) manifestation of somatic multicomorbidity, severe disability, and probably earlier death. The overwhelming majority of patients with mental disorders were not receiving treatment or were being treated in a way that was not recommended. Antipsychotics and antidepressants were not related to the development of metabolic syndrome. CONCLUSIONS: The finding that one-third to almost two-thirds of somatic patients also suffered from a mental disorder strongly suggests that psychiatry is the field with the most trans-specialty and interdisciplinary value and application points to the importance of teaching psychiatry and mental health in medical schools and also to the need for more technocratically oriented training of psychiatric residents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,325
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCNS SpectrumsMême sujetChronic Disease Management StrategiesTravaux en français237 207