System dynamics models of depression at the population level: a scoping review
Notice bibliographique
Résumé
Abstract Aims Depression is a disease driven by dynamic processes both at the individual- and system-level. System dynamics (SD) models are a useful tool to capture this complexity, project the future prevalence of depression and understand the potential impact of interventions and policies. SD models have been used to model infectious and chronic disease, but rarely applied to mental health. This scoping review aimed to identify population-based SD models of depression and report on their modelling strategies and applications to policy and decision-making to inform research in this emergent field. Methods We searched articles in MEDLINE, Embase, PsychInfo, Scopus, MedXriv, and abstracts from the System Dynamics Society from inception to October 20, 2021 for studies of population-level SD models of depression. We extracted data on model purpose, elements of SD models, results, and interventions, and assessed the quality of reporting. Results We identified 1899 records and found four studies that met the inclusion criteria. Studies used SD models to assess various system-level processes and interventions, including the impact of antidepressant use on population-level depression in Canada; the impact of recall error on lifetime estimates of depression in the USA; smoking-related outcomes among adults with and without depression in the USA; and the impact of increasing depression incidence and counselling rates on depression in Zimbabwe. Studies included diverse stocks and flows for depression severity, recurrence, and remittance, but all models included flows for incidence and recurrence of depression. Feedback loops were also present in all models. Three studies provided sufficient information for replicability. Conclusions The review highlights the usefulness of SD models to model the dynamics of population-level depression and inform policy and decision-making. These results can help guide future applications of SD models to depression at the population-level.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».