The Role of Mental Health Conditions in Early Detection and Treatment of Veterans With Alzheimer’s Dementia
Notice bibliographique
Résumé
INTRODUCTION: The benefits of early detection of Alzheimer's disease (AD) have become increasingly recognized. Veterans with mental health conditions (MHCs) may be less likely to receive a specific AD diagnosis compared to veterans without MHCs. We investigated whether rates of MHCs differed between veterans diagnosed with unspecified dementia (UD) vs. AD to better understand the role MHCs might play in establishing a diagnosis of AD. MATERIALS AND METHODS: This retrospective analysis (2015-2022) identified UD and AD with diagnostic code-based criteria. We determined the proportion of veterans with MHCs in UD vs. AD cohorts. Secondarily, we assessed the distribution of UD/AD diagnoses in veterans with and without MHCs. RESULTS: We identified 145,309 veterans with UD and 33,996 with AD. The proportion of each MHC was consistently higher in UD vs. AD cohorts: 41.4% vs. 33.2% (depression), 26.9% vs. 20.3% (post-traumatic stress disorder), 23.4% vs. 18.2% (anxiety), 4.3% vs. 2.1% (bipolar disorder), and 3.9% vs. 1.5% (schizophrenia). The UD diagnostic code was used in 84% of veterans with MHCs vs. 78% without MHCs (P < .001). CONCLUSIONS: Mental health conditions were more likely in veterans with UD vs. AD diagnoses; comorbid MHC may contribute to delayed AD diagnosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».