Summary

Background

 100 years after the first description, Alzheimer's disease is one of the most disabling and burdensome health conditions worldwide. We used the Delphi consensus method to determine dementia prevalence for each world region. 

Methods

 12 international experts were provided with a systematic review of published studies on dementia and were asked to provide prevalence estimates for every WHO world region, for men and women combined, in 5-year age bands from 60 to 84 years, and for those aged 85 years and older. UN population estimates and projections were used to estimate numbers of people with dementia in 2001, 2020, and 2040. We estimated incidence rates from prevalence, remission, and mortality. 

Findings

 Evidence from well-planned, representative epidemiological surveys is scarce in many regions. We estimate that 24·3 million people have dementia today, with 4·6 million new cases of dementia every year (one new case every 7 seconds). The number of people affected will double every 20 years to 81·1 million by 2040. Most people with dementia live in developing countries (60% in 2001, rising to 71% by 2040). Rates of increase are not uniform; numbers in developed countries are forecast to increase by 100% between 2001 and 2040, but by more than 300% in India, China, and their south Asian and western Pacific neighbours. 

Interpretation

 We believe that the detailed estimates in this paper constitute the best currently available basis for policymaking, planning, and allocation of health and welfare resources.

Summary

Background

 Cannabis use is associated with increased risk of later psychotic disorder but whether it affects incidence of the disorder remains unclear. We aimed to identify patterns of cannabis use with the strongest effect on odds of psychotic disorder across Europe and explore whether differences in such patterns contribute to variations in the incidence rates of psychotic disorder. 

Methods

 We included patients aged 18–64 years who presented to psychiatric services in 11 sites across Europe and Brazil with first-episode psychosis and recruited controls representative of the local populations. We applied adjusted logistic regression models to the data to estimate which patterns of cannabis use carried the highest odds for psychotic disorder. Using Europe-wide and national data on the expected concentration of Δ⁹-tetrahydrocannabinol (THC) in the different types of cannabis available across the sites, we divided the types of cannabis used by participants into two categories: low potency (THC <10%) and high potency (THC ≥10%). Assuming causality, we calculated the population attributable fractions (PAFs) for the patterns of cannabis use associated with the highest odds of psychosis and the correlation between such patterns and the incidence rates for psychotic disorder across the study sites. 

Findings

 Between May 1, 2010, and April 1, 2015, we obtained data from 901 patients with first-episode psychosis across 11 sites and 1237 population controls from those same sites. Daily cannabis use was associated with increased odds of psychotic disorder compared with never users (adjusted odds ratio [OR] 3·2, 95% CI 2·2–4·1), increasing to nearly five-times increased odds for daily use of high-potency types of cannabis (4·8, 2·5–6·3). The PAFs calculated indicated that if high-potency cannabis were no longer available, 12·2% (95% CI 3·0–16·1) of cases of first-episode psychosis could be prevented across the 11 sites, rising to 30·3% (15·2–40·0) in London and 50·3% (27·4–66·0) in Amsterdam. The adjusted incident rates for psychotic disorder were positively correlated with the prevalence in controls across the 11 sites of use of high-potency cannabis (r = 0·7; p=0·0286) and daily use (r = 0·8; p=0·0109). 

Interpretation

 Differences in frequency of daily cannabis use and in use of high-potency cannabis contributed to the striking variation in the incidence of psychotic disorder across the 11 studied sites. Given the increasing availability of high-potency cannabis, this has important implications for public health. 

Funding source

 Medical Research Council, the European Community's Seventh Framework Program grant, São Paulo Research Foundation, National Institute for Health Research (NIHR) Biomedical Research Centre (BRC) at South London and Maudsley NHS Foundation Trust and King's College London and the NIHR BRC at University College London, Wellcome Trust.

To empirically compare the Cox, log-binomial, Poisson and logistic regressions to obtain estimates of prevalence ratios (PR) in cross-sectional studies.Data from a population-based cross-sectional epidemiological study (n = 2072) on elderly people in Sao Paulo (Southeastern Brazil), conducted between May 2003 and April 2005, were used. Diagnoses of dementia, possible cases of common mental disorders and self-rated poor health were chosen as outcomes with low, intermediate and high prevalence, respectively. Confounding variables with two or more categories or continuous values were used. Reference values for point and interval estimates of prevalence ratio (PR) were obtained by means of the Mantel-Haenszel stratification method. Adjusted PR estimates were calculated using Cox and Poisson regressions with robust variance, and using log-binomial regression. Crude and adjusted odds ratios (ORs) were obtained using logistic regression.The point and interval estimates obtained using Cox and Poisson regressions were very similar to those obtained using Mantel-Haenszel stratification, independent of the outcome prevalence and the covariates in the model. The log-binomial model presented convergence difficulties when the outcome had high prevalence and there was a continuous covariate in the model. Logistic regression produced point and interval estimates that were higher than those obtained using the other methods, particularly when for outcomes with high initial prevalence. If interpreted as PR estimates, the ORs would overestimate the associations for outcomes with low, intermediate and high prevalence by 13%, almost by 100% and fourfold, respectively.In analyses of data from cross-sectional studies, the Cox and Poisson models with robust variance are better alternatives than logistic regression is. The log-binomial regression model produces unbiased PR estimates, but may present convergence difficulties when the outcome is very prevalent and the confounding variable is continuous.

High rates of comorbid alcohol and drug disorders have previously been found among individuals with severe mental illnesses such as schizophrenia and bipolar affective disorders. Clinical and social outcomes have been reported to be worse in this group and service costs greater than in individuals with severe mental illness only. These 'dual diagnosis' patients have mainly been investigated in the USA, and there has been very little research in Europe, where patterns of substance abuse may be different.All patients with psychotic illnesses who had any contact with the mental health services in a geographically defined sector in South London over a specified period were studied. Individuals with problems related to alcohol or drugs were identified using standardised interviews with subjects and their keyworkers. Data on psychiatric service use during the previous 2 years were also obtained.One hundred and seventy-one subjects with psychotic illnesses were interviewed (response rate: 78.4%). The one-year prevalence rate for any substance problem was 36.3% (95% CI = 29.1-43.5), for alcohol problems it was 31.6% (95% CI = 24.6-38.5), and for drug problems 15.8% (95% CI = 10.3-21.3). Young male subjects were at higher risk of having substance problems. Patients with substance problems had spent almost twice as many days in hospital as those without such problems over the previous two years (difference = 26.3 days, 95% CI = 3.8-48.7).The prevalence of substance problems among people suffering from severe mental disorders is high, and seems to be associated with greater use of in-patient services. This is a significant clinical problem, with cost implications. Further investigation is needed for adequate service provision.

Background The “jumping to conclusions” (JTC) bias is associated with both psychosis and general cognition but their relationship is unclear. In this study, we set out to clarify the relationship between the JTC bias, IQ, psychosis and polygenic liability to schizophrenia and IQ.Methods 817 FEP patients and 1294 population-based controls completed assessments of general intelligence (IQ), and JTC (assessed by the number of beads drawn on the probabilistic reasoning “beads” task) and provided blood or saliva samples from which we extracted DNA and computed polygenic risk scores for IQ and schizophrenia.Results The estimated proportion of the total effect of case/control differences on JTC mediated by IQ was 79%. Schizophrenia Polygenic Risk Score (SZ PRS) was non-significantly associated with a higher number of beads drawn (B= 0.47, 95% CI −0.21 to 1.16, p=0.17); whereas IQ PRS (B=0.51, 95% CI 0.25 to 0.76, p<0.001) significantly predicted the number of beads drawn, and was thus associated with reduced JTC bias. The JTC was more strongly associated with higher level of psychotic-like experiences (PLE) in controls, including after controlling for IQ (B= −1.7, 95% CI −2.8 to −0.5, p =0.006), but did not relate to delusions in patients.Conclusions the JTC reasoning bias in psychosis is not a specific cognitive deficit but is rather a manifestation or consequence, of general cognitive impairment. Whereas, in the general population, the JTC bias is related to psychotic-like experiences, independent of IQ. The work has potential to inform interventions targeting cognitive biases in early psychosis.

Abstract Retractions are among the effective measures to strengthen the self-correction of science and the quality of the literature. When it comes to self-retractions for honest errors, exposure of one’s own failures is not a trivial matter for researchers. However, self-correcting data, results and/or conclusions has increasingly been perceived as good research practice, although rewarding such practice challenges traditional models of research assessment. In this context, it is timely to investigate who have self-retracted for honest error in terms of country, field, and gender. We show results on these three factors, focusing on gender, as data is scarce on the representation of female scientists in efforts to set the research record straight. We collected 3,822 retraction records, including research articles, review papers, meta-analyses, letters, and others, from the Retraction Watch Database (2010-2021). We screened the dataset collected for research articles retracted for honest error, excluding retractions by publishers, editors, or third parties, and those mentioning any investigation issues. We then categorized the records according to country, field, and gender, after selecting research articles with a sole corresponding author. Our results show that female scientists account for 25% of self-retractions for honest error, with the highest share for women affiliated with US institutions.