S'abonner

P-1025 - Prevalence of depression in elderly long-term inpatients with serious mental illness and cognitive impairment - 13/06/12

Doi : 10.1016/S0924-9338(12)75192-1 
P. Ntounas, C. Tsopelas, D. Pappas, M. Dimitraka, P. Chatzimanolis, E. Siouti, C. Touloumis, A. Douzenis, L. Lykouras
Psychiatric Hospital of Attica, National and Kapodistrian University of Athens, ‘Attikon’ General Hospital, Athens, Greece 
Dept. of Psychiatry, National and Kapodistrian University of Athens, ‘Attikon’ General Hospital, Athens, Greece 

Résumé

Background

Depression is a very common condition in the elderly, underdiagnosed and often an emerging public health issue, especially in developed countries where population is aging.

Methods

The participants (103 patients) age 55 years or more, with diagnosis of Schizophrenia and other psychotic disorders, Mood disorders and Mental disorders due to general medical condition. The depressive status of the participants was determined clinically, using the GDS and the Cornell scale for depression in dementia when MMSE was > 15.

Results

Of the 103 inpatients, 87 had MMSE score less than 24 and were included in the analysis. 23.1% had been clinically diagnosed as suffering from depression and taking antidepressants although 53.8% had CDS>6 and 57.3% had Cornell score >11 both indicative of depression. It appeared that clinicians were able to detect mainly severe major depression with mean CDS score=10.50, (sd=1.5) and mean Cornell score=18 (sd=4.3).

Conclusions

In our sample of an elderly long term inpatient population with primary diagnosis of serious mental disorder, depression was under diagnosed and undertreated. Only severe major depression was detected.

It appears that psychometric scales like Geriatric Depression Scale (GDS) and Cornell Scale for Depression in Dementia (CSDD) are valuable instruments for the detection of depression in elderly populations. As depression is very good in hiding or camouphlage its’ symptoms as part of other disorders, regular use of psychometric scales could prove to be an easy way to detect early signs of depression and treat accordingly.

Le texte complet de cet article est disponible en PDF.

© 2012  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 27 - N° S1

P. 1 - 2012 Retour au numéro
Article précédent Article précédent
  • P-1024 - Differences in subliminal priming effect a comparison study on:parkinson’s disease patients, alcohol dependent patients, young healthy controls and elderly controls-preliminary results
  • M. Michalak, P. Jaskowski, M. Ziolkowski, E. Gorzelanczyk
| Article suivant Article suivant
  • P-1026 - Metabolic syndrome and risk for coronary heart disease in elderly inpatients with serious mental illness
  • P. Ntounas, C. Tsopelas, P. Chatzimanolis, M. Dimitraka, D. Pappas, E. Siouti, C. Touloumis, A. Douzenis, L. Lykouras

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.