Prediction of depressive symptoms at high age (80+) by psychological, biological and functional factors
Notice bibliographique
Résumé
Late-life depression (LLD) is highly prevalent, especially in people aged 80 years and older. We aimed to investigate predictors and their influence on depressive symptoms in LLD. We analysed data from the NRW80+ study, a population-based cross-sectional study of individuals aged 80 years and older. Data from n = 926 cognitively unimpaired participants were included. We reduced 95 variables to 21 predictors of depressive symptoms by using a two-step cluster analysis (TSCA), which were assigned to one of four factors (function, values and lifestyle, autonomy and contentment, biological-somatic) according to a principal component analysis. A second TSCA with complete data sets (n = 879) was used to define clusters of participants. Using weighted mean composite scores (CS) for each factor group, binary logistic regression analyses were performed to predict depressive symptoms for each cluster and the total population. The second TSCA yielded two clusters (cluster 1 (n = 688), cluster 2 (n = 191)). The proportion of participants with depressive symptoms was significantly higher in cluster 2 compared to cluster 1 (39 % vs. 15 %; OR = 3.6; 95 % CI 2.5–5.1; p < .001). Participants in cluster 2 were significantly older (mean age 88 vs. 85 years; p < .001), with a higher proportion of women (56 % vs. 46 %; OR = 1.5; 95 % CI 1.1–2.0; p = .016), had a higher BMI (p = .017), lower financial resources (OR = 2.3; 95 % CI 1.6–3.5; p < .001), lower educational level (OR = 1.8; 95 % CI 1.2–2.5; p = .002), higher proportion of single, separated or widowed participants (OR = 1.9; 95 % CI 1.3–2.6; p < .001) and a smaller mean social network (p = .044) compared to cluster 1. Binary logistic regression analyses showed that the weighted mean CS including the autonomy and contentment predictors explained the largest proportion of variance (22.8 %) for depressive symptoms in the total population (Nagelkerke's R2 = 0.228, p < .001) and in both clusters (cluster 1: Nagelkerke's R2 = 0.171, p < .001; cluster 2: Nagelkerke's R2 = 0.213, p < .001), respectively. The main limitations are the restriction to cognitively unimpaired individuals and the use of a self-rated questionnaire to assess depressive symptoms. Psychological factors such as autonomy and contentment are critical for the occurrence of depressive symptoms at higher age, independent of the functional and somatic status and may serve as specific targets for psychotherapy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».