Estimating the Burden of Common Mental Disorders Attributable to Lifestyle Factors: Protocol for the Global Burden of Disease Lifestyle and Mental Disorder (GLAD) Project
Notice bibliographique
Résumé
BACKGROUND: The Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) collects and calculates risk-outcome data for modifiable lifestyle exposures (eg, dietary intake) and physical health outcomes (eg, cancers). These estimates form a critical digital resource tool, the GBD VizHub data visualization tool, for governments and policy makers to guide local, regional, and global health decisions. Despite evidence showing the contributions of lifestyle exposures to common mental disorders (CMDs), such as depression and anxiety, GBD does not currently generate these lifestyle exposure-mental disorder outcome pairings. This gap is due to a lack of uniformly collected and analyzed data about these exposures as they relate to CMDs. Such data are required to quantify whether, and to what degree, the global burden of CMDs could be reduced by targeting lifestyle factors at regional and global levels. We have established the Global burden of disease Lifestyle And mental Disorder (GLAD) Taskforce to address this gap. OBJECTIVE: This study aims to generate the necessary estimates to afford the inclusion of lifestyle exposures as risk factors for CMDs in the GBD study and the GBD digital visualization tools, initially focusing on the relationship between dietary intake and CMDs. METHODS: The GLAD project is a multicenter, collaborative effort to integrate lifestyle exposures as risk factors for CMDs in the GBD study. To achieve this aim, global epidemiological studies will be recruited to conduct harmonized data analyses estimating the risk, odds, or hazards of lifestyle exposures with CMD outcomes. Initially, these models will focus on the relationship between dietary intake, as defined by the GBD, and anxiety and depression. RESULTS: As of August 2024, 18 longitudinal cohort studies from 9 countries (Australia: n=4; Brazil: n=1; France: n=1; Italy: n=3; The Netherlands: n=3; New Zealand: n=1; South Africa: n=1; Spain: n=1; and United Kingdom: n=3) have agreed to participate in the GLAD project. CONCLUSIONS: Our comprehensive, collaborative approach allows for the concurrent execution of a harmonized statistical analysis protocol across multiple, internationally renowned epidemiological cohorts. These results will be used to inform the GBD study and incorporate lifestyle risk factors for CMD in the GBD digital platform. Consequently, given the worldwide influence of the GBD study, findings from the GLAD project can offer valuable insights to policy makers worldwide around lifestyle-based mental health care. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/65576.
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 | 0,058 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,072 | 0,016 |
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 ».