MétaCan
Menu
Retour à la cohorte
Enregistrement W4411499545 · doi:10.1017/neu.2025.10020

Sex differences in the network structures of depressive symptom profiles in Asian patients with depressive disorders: findings from the Research on Asian Psychotropic Patterns for Antidepressants, Phase 3

2025· article· en· W4411499545 sur OpenAlexaff
Han Seul Kim, Seonjae Lee, Jeongha Lee, Tae Young Choi, Sung-Won Jung, Hyung‐Jun Yoon, Hyun-Soo Kim, Yangsik Kim, Hyun Ju Yang, Narae Jeong, Eunsoo Moon, Daeho Kim, Tianmei Si, Roy Abraham Kallivayalil, Andi Jayalangkara Tanra, Amir Hossein Jalali Nadoushan, Kok Yoon Chee, Afzal Javed, Kang Sim, Pornjira Pariwatcharakul, Mian‐Yoon Chong, Toshiya Inada, Shih‐Ku Lin, Norman Sartorius, Naotaka Shinfuku, Takahiro A. Kato, Jae-Hon Lee, Seon‐Cheol Park

Notice bibliographique

RevueActa Neuropsychiatrica · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensWestern University
Organismes subventionnairesNational Research Foundation of KoreaNational Research FoundationUniversity of Cambridge
Mots-clésDepression (economics)Depressive symptomsMajor depressive disorderCluster (spacecraft)Medical prescriptionClinical psychologyPsychiatryMedicinePsychologyDemographyAnxietyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Depression is a complex mental health disorder with highly heterogeneous symptoms that vary significantly across individuals, influenced by various factors, including sex and regional contexts. Network analysis is an analytical method that provides a robust framework for evaluating the heterogeneity of depressive symptoms and identifying their potential clinical implications. OBJECTIVE: To investigate sex-specific differences in the network structures of depressive symptoms in Asian patients diagnosed with depressive disorders, using data from the Research on Asian Psychotropic Prescription Patterns for Antidepressants, Phase 3, which was conducted in 2023. METHODS: A network analysis of 10 depressive symptoms defined according to the National Institute for Health and Care Excellence guidelines was performed. The sex-specific differences in the network structures of the depressive symptoms were examined using the Network Comparison Test. Subgroup analysis of the sex-specific differences in the network structures was performed according to geographical region classifications, including East Asia, Southeast Asia, and South or West Asia. RESULTS: A total of 998 men and 1,915 women with depression were analysed in this study. The analyses showed that all 10 depressive symptoms were grouped into a single cluster. Low self-confidence and loss of interest emerged as the most central nodes for men and women, respectively. In addition, a significant difference in global strength invariance was observed between the networks. In the regional subgroup analysis, only East Asian men showed two distinct clustering patterns. In addition, significant differences in global strength and network structure were observed only between East Asian men and women. CONCLUSION: The study highlights the sex-specific differences in depressive symptom networks across Asian countries. The results revealed that low self-confidence and loss of interest are the main symptoms of depression in Asian men and women, respectively. The network connections were more localised in men, whereas women showed a more diverse network. Among the Asian subgroups analysed, only East Asians exhibited significant differences in network structure. The considerable effects of neurovegetative symptoms in men may indicate potential neurobiological underpinnings of depression in the East Asian population.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,754

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,400
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa NeuropsychiatricaMême sujetMental Health Research TopicsTravaux en français237 207