The Canadian Network for Mood and Anxiety Treatments (Canmat) Task Force Recommendations for the Management of Patients with Mood Disorders and Select Comorbid Medical Conditions
Notice bibliographique
Résumé
Background Medical comorbidity in patients with mood disorders has become an increasingly important clinical and global public health issue. Several specific medical conditions are associated with an increased risk of mood disorders, and conversely, mood disorders are associated with increased morbidity and mortality in patients with specific medical disorders. Methods To help understand the bidirectional relationship and to provide an evidence-based framework to guide the treatment of mood disorders that are comorbid with medical illness, we have reviewed relevant articles and reviews published in English-language databases (to April 2011) on the links between mood disorders and several common medical conditions, evaluating the efficacy and safety of pharmacologic and psychosocial treatments. The medical disorders most commonly encountered in adult populations (ie, cardiovascular disease, cerebrovascular disease, cancer, human immunodeficiency virus, hepatitis C virus, migraine, multiple sclerosis, epilepsy, and osteoporosis) were chosen as the focus of this review. Results Emerging evidence suggests that depression comorbid with several medical disorders is treatable and failure to treat depression in medically ill patients may have a negative effect on medical outcomes. Conclusions This review summarizes the available evidence and provides treatment recommendations for the management of comorbid depression in medically ill patients.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».