Depression in children and adolescents with ADHD : a systematic literature review
Notice bibliographique
Résumé
Introduction: Poor mental health in children and adolescents is a growing public health concern. Attention Deficit and Hyperactivity Disorder (ADHD) is a prevalent disorder in youth, impacting their mental well-being. Understanding the link between ADHD and comorbid disorders such as depression is crucial for the treatment of children and adolescents with ADHD. Aim: The aim was to perform a systematic literature review to explore the type of available studies and if there is an increased risk of depression among children and adolescents with ADHD compared to controls. Materials and methods: PubMed and PsycInfo identified 18 relevant articles (January 2014 to October 2023). Inclusion criteria required a diagnosis of ADHD and depression or relevant symptoms. The Newcastle Ottawa Scale evaluated risk of bias and data were extracted for analysis. Results: Out of 1,136,320 participants in the 18 studies, 83% reported a statistically significant higher rate of depression or depressive symptoms in individuals with ADHD. The risk varied, with hazard ratios in two larger studies ranging from 7.16 to 8.64. Risk of bias also varied, emphasizing the need for cautious interpretation. Discussion: The findings highlight the need for thorough assessment of depression symptoms in children and adolescents with ADHD. The study emphasizes the importance of updating guidelines to include specific screening for depression in this population and the potential benefits of early intervention to prevent or alleviate comorbid depression. Conclusion: This study reinforces the significant ADHD-depression association in children and adolescents, urging increased attention and intervention strategies for improved care and treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».