Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Depressive Disorders: Etiology01:27

Depressive Disorders: Etiology

166
Depressive disorders result from a complex interplay of biological, psychological, and sociocultural factors, each contributing uniquely to the development and persistence of the condition. Understanding these factors provides critical insight into the multifaceted nature of depression.
Biological Factors in Depression
Biological predispositions significantly influence the risk of developing depressive disorders. Genetic studies highlight the role of variations in the serotonin transporter...
166

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Electron Beam Irradiation Improves the Storage Quality of Passion Fruit by Modulating Membrane Lipid Composition and Enhancing ROS-Scavenging Potential.

Foods (Basel, Switzerland)·2026
Same author

DeM-FCN: an ultra-lightweight and purely convolutional framework for edge-native human activity recognition in wearable fitness tracking.

Frontiers in sports and active living·2026
Same author

<i>q</i> <i>orA</i> shapes organ-specific adaptation of ST59-MRSA via balancing immune evasion and metabolic trade-off.

iScience·2026
Same author

Research on glass surface defect detection method based on shadowgraphy imaging and improved YOLOv11n.

Scientific reports·2026
Same author

Wearable Plant Electronics Enables Early Detection of Salt Stress by Tracking K<sup>+</sup>/Na<sup>+</sup> Homeostasis and Salicylic Acid Accumulation.

Analytical chemistry·2026
Same author

Corrigendum to "Study on the control effect and mechanism of Serratia rubidaea B11 metabolites on postharvest blue mold of pear fruit" [Int. J. Food Microbiol. 445 (2026) 111506].

International journal of food microbiology·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
12:18

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

Published on: January 11, 2020

7.6K

Análisis de características predictivas y construcción de nomogramas para predecir la depresión en pacientes ancianos

Wei Lin1, Zijun Zhao2, Yingshan Yu1

  • 1Department of Geriatrics, Fuzhou First General Hospital Affiliated with Fujian Medical University, Fuzhou, Fujian, China.

Frontiers in psychology
|August 27, 2025
PubMed
Resumen
Este resumen es generado por máquina.

La depresión en los adultos mayores es común. Un nuevo modelo que utiliza factores como el apoyo social, el dolor y las habilidades de la vida diaria puede predecir el riesgo de depresión en los ancianos.

Palabras clave:
la depresiónmodelo de detección de la depresiónpacientes ancianosNomografíaCaracterísticas predictivas

Más Videos Relacionados

Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
07:31

Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack

Published on: May 15, 2020

7.2K
Author Spotlight: Unveiling the Connection Between Sleep Disorders and Cognitive Symptoms in Depression
04:33

Author Spotlight: Unveiling the Connection Between Sleep Disorders and Cognitive Symptoms in Depression

Published on: April 26, 2024

792

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
12:18

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

Published on: January 11, 2020

7.6K
Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
07:31

Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack

Published on: May 15, 2020

7.2K
Author Spotlight: Unveiling the Connection Between Sleep Disorders and Cognitive Symptoms in Depression
04:33

Author Spotlight: Unveiling the Connection Between Sleep Disorders and Cognitive Symptoms in Depression

Published on: April 26, 2024

792

Área de la Ciencia:

  • Medicina para la edad avanzada
  • La psiquiatría
  • Salud pública

Sus antecedentes:

  • La depresión es muy frecuente en personas de edad avanzada con enfermedades crónicas y deterioro cognitivo, lo que lleva a una angustia significativa y malos resultados de salud.
  • El envejecimiento de la población mundial está experimentando un rápido aumento en las tasas de depresión geriátrica.
  • La evaluación geriátrica integral (CGA) es un enfoque multidimensional para evaluar el estado médico, psicológico y funcional de los pacientes ancianos.

Objetivo del estudio:

  • Identificar los factores clave asociados con la depresión en los ancianos utilizando los datos de la Evaluación Geriátrica Integral (EIG).
  • Desarrollar y validar un modelo predictivo (nomograma) para el riesgo de depresión geriátrica.
  • Evaluar la utilidad clínica del modelo desarrollado para la predicción de la depresión.

Principales métodos:

  • Una cohorte de 219 pacientes geriátricos se dividió en grupos de modelado (153) y validación (66).
  • Se realizaron análisis de regresión univariados y multivariados de los datos demográficos de los pacientes y de los resultados de CGA.
  • Se construyó un nomograma integrando las variables independientes identificadas que influyen en la depresión.

Principales resultados:

  • El análisis multivariado identificó el nivel de apoyo social, el dolor, la ansiedad, las actividades básicas de la vida diaria (BADL) y el género como predictores significativos de la depresión.
  • El nomograma demostró un buen rendimiento predictivo con un AUC de 0,867 en el conjunto de entrenamiento y de 0,724 en el conjunto de ensayo.
  • El modelo mostró una calibración satisfactoria, una precisión de discriminación y una utilidad clínica significativa a través del análisis de la curva de decisión.

Conclusiones:

  • El nomograma desarrollado, que incorpora factores derivados de la CGA, predice eficazmente el riesgo de depresión en los ancianos.
  • El modelo presenta un rendimiento robusto y tiene potencial como una valiosa herramienta de detección clínica para la depresión geriátrica.
  • Este enfoque ayuda a identificar a las personas de alto riesgo para intervenciones específicas en salud mental geriátrica.