Prevalence of psychiatric disorders among elderly and comparison between cognitive impairment screening tools in primary care
Bibliographic record
Abstract
Objetivos: Com o processo de envelhecimento acelerado da população nas últimas décadas é preciso obter informações sobre saúde mental em idosos no Brasil. A prevalência dos transtornos neurocognitivos (TNC), e de outros transtornos mentais em idosos tem aumentado. O uso de instrumentos de triagem como o Montreal Cognitive Assessment (MoCA) em sua versão original e sua versão basic, pode ajudar na identificação e no diagnóstico precoce dos TNC. A atenção primária tem potencial de fornecer informações sobre epidemiologia dos transtornos mentais em idosos pois constitui o contato mais próximo com a comunidade. O objetivo principal do estudo é verificar a frequência de transtornos mentais em idosos e comparar as qualidades psicométricas de dois instrumentos breves para rastreamento de TNC. Métodos: Trata-se, de um levantamento epidemiológico transversal, incluindo indivíduos com mais de 60 anos residentes na área de abrangência de uma unidade de saúde da família que passaram por entrevista diagnóstica e testes de rastreio para TNC. Foram entrevistados 271 idosos, realizados 104 MoCA e 81 MoCA basic. Os diagnósticos psiquiátricos foram feitos de acordo com o DSM-5. Foram determinados a área sob a curva ROC e os valores de sensibilidade/especificidade para os pontos de corte de cada instrumento. Resultados: A amostra era constituída de 57,93% (N=157) mulheres, e 70,47% (N=191) eram aposentados. A média de idade foi de 70,56 anos (DP: ±7,81) e de escolaridade, de 3,09 anos (DP: ±2,97). A prevalência geral de transtornos psiquiátricos foi de 55,35% (N=150). Os transtornos mais comuns foram os TNC presentes em 33,58% (N=91) dos idosos, Transtornos de Ansiedade em 14,76 % (N = 40), Transtornos do humor em 19,19% (N=52), Transtornos de sono em 14,76% (N=40) e Transtornos do uso de substâncias em 11,07% (N=30). Dos TNC, 21,77% (N=59) eram Transtorno Neurocognitivo Leve (TNL) e 11,81% (N=32) eram Transtorno Neurocognitivo Maior (TNM). O Transtorno de ansiedade generalizada estava presente em 17,34% (N=47) dos idosos, a fobia específica em 9,59% (N=26), um Episódio depressivo atual em 5,9% (N=16). Os demais transtornos somaram 8,49%. O MoCA apresentou uma validade discriminativa excelente para o TNM (área sob a curva ROC: 0,932; p<0,001; IC95 % 0,842-1,000) e regular para o TNL (área sob a curva ROC 0,753; p<0,001; IC95%: 0,654-0,853). O ponto de corte foi 9 (sensibilidade 83%/especificidade 95%) e 16 (sensibilidade 83%/especificidade 68%), respectivamente. O MoCA basic apresentou excelente validade discriminativa para TNM (área sob a curva: 0,910 (p<0,001; IC95 % 0,818-1.002) e boa para TNL (área sob a curva ROC: 0,834 (p<0,001; IC95%: 0,742 - 0,927). O ponto de corte foi 21 para as duas condições (sensibilidade 100%/ especificidade 72% para TNM; sensibilidade 89%/especificidade 72% para TNL). Conclusões: Os transtornos mentais apresentaram uma prevalência alta, sobretudo com a inclusão dos TNC, diferentemente de outros estudos prévios. Os instrumentos de rastreamento MoCA e MoCA basic são válidos para triagem de TNC em idosos da comunidade de baixa escolaridade. O presente trabalho fornece informações sobre as características dos instrumentos numa população de baixa escolaridade no Brasil.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".