Depression and Employment Status in Primary and Tertiary Care Settings
Notice bibliographique
Résumé
OBJECTIVE: Major depressive disorder (MDD) is a leading cause of disability. Impairment in work function considerably adds to symptom burden and increases the economic impact of this disorder. Our study aimed to investigate the factors associated with work status in MDD within primary and tertiary care. METHOD: We used data from 2 large databases for our analysis--Study 1: the InSight database, a chart review of MDD patients treated by primary care physicians across Canada (n=986); and Study 2: the International Mood Disorders Collaborative Project, a cross-sectional study of mood disorder patients (Canadian data only: n=274). RESULTS: Both studies demonstrated high rates of unemployment and disability (30.3% to 42.1%). Quebec showed the highest rate of unemployment (21%) and British Columbia had the greatest percentage of patients on disability (15%). Employed and unemployed groups were similar based on clinical characteristics; however, unemployed people may have higher age, prevalence of medical comorbidity, and greater likelihood of receiving a benzodiazepine. Increased disability rates were associated with history of childhood abuse, duration of current major depressive episode, comorbidity, benzodiazepine use, as well as greater depression and anxiety severity. The unemployed-disability groups had greater somatic symptoms and anhedonia. In keeping with this, anhedonia was the strongest predictor of disability. Absenteeism was also high across both studies. CONCLUSIONS: Unemployment and disability rates in MDD are high. The presence of anhedonia and medical comorbidity significantly influenced work status, emphasizing the need for treatment strategies to alleviate the additional symptom burden in this subpopulation.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».