Treatments for Depression for Older Adults Living in Long-Term Care: A Systematic Review and Network Meta-Analysis
Notice bibliographique
Résumé
OBJECTIVE: To assess the comparative efficacy of interventions on depressive symptoms and disorders in older adults living in long-term care (LTC). DESIGN: Systematic review and network meta-analysis. SETTING AND PARTICIPANTS: Older adults living in LTC or equivalent settings. METHODS: We searched 6 electronic databases and gray literature sources to identify randomized controlled trials describing pharmacologic or nonpharmacologic interventions. Studies had to measure depression as an outcome in persons living in LTC. Study inclusion and study quality were assessed in duplicate. Population characteristics, descriptions of intervention and control treatments, and end-point depression outcomes for each treatment were extracted from included studies. A network meta-analysis using the standardized mean difference (SMD) of depression scores was completed using a random effects model. RESULTS: A total of 182 studies were included in the review. The network meta-analysis was completed with 147 studies and included 31 treatment conditions. Compared with usual care, horticulture therapy (SMD, -6.85; 95% Credibility Interval, -8.49 to -5.22) and cognitive behavioral therapy (SMD, -1.98; 95% Credibility Interval, -2.91 to -1.05) were the most efficacious treatments. Animal therapy, group reminiscence therapy, multicomponent nonpharmacologic treatments, exercise, and socialization interventions also significantly improved depressive symptoms compared with usual care. CONCLUSIONS AND IMPLICATIONS: Many nonpharmacologic treatments for depression in LTC have been studied and are found to be efficacious. The low-risk and cost-effective nature of many of the nonpharmacologic treatments makes them ideal for use in LTC. More studies of pharmacologic treatments are needed to inform prescribing for depression in the LTC population. The range of treatments available for depression may help clinicians select therapies individualized to resident needs.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,024 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».