MétaCan
Menu
Retour à la cohorte
Enregistrement W4394458080 · doi:10.6084/m9.figshare.11609442

Prevalence of depressive symptoms and associated factors among older adults treated at a referral center

2020· dataset· en· W4394458080 sur OpenAlexaboutno aff
Patrícia Oliveira Silva, Bruna Menezes Aguiar, María Aparecida Vieira, Fernanda Marques da Costa, Jair Almeida Carneiro

Notice bibliographique

RevueFigshare · 2020
Typedataset
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDepressive symptomsReferralMedicineGerontologyCenter (category theory)PsychiatryDemographyPsychologyFamily medicineCognition

Résumé

récupéré en direct d'OpenAlex

Abstract The present study aimed to estimate the prevalence of depressive symptoms and associated factors among older adults treated at a referral center. A cross-sectional study was carried out with a sample of 360 older adults treated at a Referral Center for the Health of Older Adults in the north of Minas Gerais, Brazil. The following data were collected in 2017: demographic, socioeconomic, morbidity, hospital admission in the last year, frailty (Edmonton Frail Scale), functional capacity (Katz Index, Lawton and Brody Scale) and presence of depressive symptoms (Geriatric Depression Scale - GDS-15). Multiple analysis was performed through logistic regression. A prevalence of depressive symptoms was observed in 37.2% of the sample. The variables associated with depressive symptoms were: negative perception about one’s own health (OR=1.9, 95% CI 1.34-2.70); frailty (OR=1.94, 95% CI 1.41-2.66); having suffered falls (OR=1.24, 95% CI 1.01-1.61); having been hospitalized in the last year (OR=1.56, 95% CI, 1.11-2.27); (OR=2.56, 95% CI 1.38-4.77) and residing alone (OR=1.66, 95% CI 1.09-2.53). Thus, a high prevalence of depressive symptoms was identified among the older adults, evidencing the need for an effective and immediate approach by health professionals.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0680,001

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 Opus0,035
Tête enseignante GPT0,316
Écart entre enseignants0,282 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetHealth and Well-being StudiesTravaux en français237 207