Investigating associations between physical multimorbidity clusters and subsequent depression: cluster and survival analysis of UK Biobank data
Notice bibliographique
Résumé
Abstract Background Multimorbidity, the co-occurrence of two or more conditions within an individual, is a growing challenge for health and care delivery as well as for research. Combinations of physical and mental health conditions are highlighted as particularly important. The aim of this study was to investigate associations between physical multimorbidity and subsequent depression. Methods and Findings We performed a clustering analysis upon physical morbidity data for UK Biobank participants aged 37-73 years at baseline data collection between 2006-2010. Of 502,353 participants, 142,005 had linked general practice data with at least one physical condition at baseline. Following stratification by sex (77,785 women; 64,220 men), we used four clustering methods (agglomerative hierarchical clustering, latent class analysis, k -medoids and k -modes) and selected the best-performing method based on clustering metrics. We used Fisher’s Exact test to determine significant over-/under-representation of conditions within each cluster. Amongst people with no prior depression, we used survival analysis to estimate associations between cluster-membership and time to subsequent depression diagnosis. The k -modes models consistently performed best, and the over-/under-represented conditions in the resultant clusters reflected known associations. For example, clusters containing an overrepresentation of cardiometabolic conditions were amongst the largest clusters in the whole cohort (15.5% of participants, 19.7% of women, 24.2% of men). Cluster associations with depression varied from hazard ratio (HR) 1.29 (95% confidence interval (CI) 0.85-1.98) to HR 2.67 (95% CI 2.24-3.17), but almost all clusters showed a higher association with depression than those without physical conditions. Conclusions We found that certain groups of physical multimorbidity may be associated with a higher risk of subsequent depression. However, our findings invite further investigation into other factors, like social ones, which may link physical multimorbidity with depression.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».