MétaCan
Menu
Retour à la cohorte
Enregistrement W68730201 · doi:10.1177/070674370905401007

Prevalence, Risk Factors, and Use of Health Care in Depression: A Survey in a Large Region of France between 1991 and 2005

2009· article· en· W68730201 sur OpenAlexvenueno aff
Viviane Kovess–Masféty, Xavier Briffault, David Sapinho

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)PsychiatryMedicineEpidemiologyDemographyHealth carePsychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To compare the prevalence, risk factors, and use of care for depression between 2 periods, concerning changes in social factors and health care provision. METHOD: We compared data from 2 surveys carried out in a large urbanized French region (Ile-de-France) 15 years apart (1991, n = 1192; 2005, n = 5308), using comparable methodology and tools. RESULTS: The overall prevalence of depression has slightly increased over this period. In contrast, the tendency of people who claim they feel depressed has dramatically increased. At-risk populations have also changed during this period. The proportion of people consulting a psychiatrist for depression has not changed, while general practitioner (GP) consultations have decreased and psychologist consultations have increased 3-fold. Psychotropic use by people who are depressed has decreased significantly. CONCLUSION: The trend toward increased depressive symptoms does not correspond to an increase in depressed disorders. In a well-staffed urbanized French region, psychologists are playing a growing role in managing depression at the expense of GPs, when the use of a psychiatrist remains unchanged; decreased use of psychotropic drugs may be a consequence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,245
Score d'incertitude au seuil0,488

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,335
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), 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

Citations23
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of PsychiatryMême sujetMental Health Treatment and AccessTravaux en français237 207