Cardiovascular Disease and Mental Health in Intellectual Disabilities: A Vicious Cycle of Risk and Care Gaps
Notice bibliographique
Résumé
Background: Cardiovascular diseases (CVDs) are the primary reason for demise and disability worldwide, with a particularly severe problem in low- and middle-income nations. Among individuals with intellectual disabilities (ID), the coexistence of cognitive impairments, mental health conditions, and barriers to medical care significantly increases health risks. Objective: This review discovers the bidirectional connection between cardiovascular disease and mental health disorders in individuals with ID. It aims to classify risk factors, examine care disparities, and evaluate the need for targeted interventions. Methods: A descriptive review methodology was employed. A total of 1,182 articles were initially retrieved from PubMed, Scopus, and PsycINFO using a focused keyword strategy encompassing CVD, mental health, and intellectual disability. After applying inclusion criteria centered on disability relevance and peer-reviewed content, 914 articles were shortlisted. From these, 173 studies were selected based on quality and contextual suitability. Results: The review identified a consistent pattern of underrepresentation of individuals with ID in cardiovascular and psychiatric research despite their increased rates of congenital heart defects, lifestyle-related risk factors, and untreated mental health issues. Diagnostic overshadowing, resource constraints for caregivers, and a lack of appropriately adapted therapies further aggravate their vulnerability. Evidence suggests that caregiver-supported and community-based interventions, when customized for this population, can improve health outcomes. Conclusion: The interplay between cardiovascular disease and mental health in people with ID constitutes a complex clinical and public health challenge. A disability-sensitive research and care framework is urgently needed. Future approaches should focus on early screening, tailored interventions, integrated care models, and inclusive health policies to adequately support this marginalized 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 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 | 0,020 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».