Abstract Aim Assessing symptoms and daily functioning in patients with major depressive disorder (MDD) can be challenging, as their limited self‐monitoring abilities may result in behavior observed during structured interviews not accurately reflecting their daily lives. This study aimed to determine if specific occupational behaviors could distinguish individuals with MDD from healthy individuals. Methods Baseline data were collected from medical records and activity programs. Three occupational therapists conducted content analysis to assess occupational performance characteristics. Chi‐squared tests compared the prevalence of these characteristics between patients with MDD and healthy controls. Multivariable logistic regression controlled for potential confounders, with independent variables selected based on clinical relevance and sample size ( p < 0.01). Discriminant analysis was used to enhance group differentiation, assessing prediction rates using area under the curve (AUC) values. Results A total of 69 occupational performance characteristics were identified, with 12 showing significant differences between 27 patients with MDD and 43 healthy controls. Key discriminators included “Ask questions and consult” ( p < 0.001, odds ratio [OR] = 0.051, 95% confidence interval [CI] = 0.009–0.283), “Concentrate on work” ( p = 0.003, OR = 0.078, 95% CI = 0.015–0.416), “Choose simple work” ( p = 0.004, OR = 17.803, 95% CI = 2.446–129.597), and “Punctual” ( p = 0.017, OR = 0.030, 95% CI = 0.002–0.530). Discriminant analysis using these variables yielded a Wilks' λ of 0.493 ( p < 0.001), achieving an 88.6% accuracy rate. The receiver operating characteristic curve's AUC value was 0.911 (sensitivity = 95.3%, specificity = 77.8%). Conclusion This study highlights the importance of occupational performance characteristics in tailoring treatment strategies for MDD, providing insights beyond traditional assessment methods.

Introduction Difficult-to-treat depression (DTD) represents a broad spectrum of patients with persistent depression where standard treatment modalities are insufficient, yet specific characteristics of this group remain insufficiently understood. This investigation aims to delineate the sociodemographic and clinical profiles of suspected DTD patients in real-world clinical settings. Method We conducted a retrospective analysis of data from patients comprehensively evaluated for suspected DTD at Kyorin University Hospital, Tokyo, Japan, between October 2014 and September 2018. The study participants consisted of individuals with persistent depression unresponsive to conventional antidepressant treatments during the current episode. Diagnoses adhered to the criteria of the Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition, Text Revision. Additional evaluations included the Montgomery-Åsberg Depression Rating Scale (MADRS) and other pertinent measures. The analysis focused on comparing demographic and clinical characteristics across diagnosed groups. Results The analysis encompassed 122 patients, with diagnoses of major depressive disorder (MDD) in 41.8%, bipolar disorder (BD) in 28.7%, and subthreshold depression in 29.5%. Notably, high incidences of psychiatric comorbidities were present across all groups, with anxiety disorders exceeding 30% and personality disorders surpassing 50%. The only significant distinction among the three groups was observed in the MADRS scores, with the MDD group exhibiting the highest values (20.9 ± 9.7 vs. 18.6 ± 9.3 vs. 11.3 ± 7.4, p&lt;0.01). Conclusions This study sheds light on the intricate nature of suspected DTD, emphasizing the coexistence of MDD, BD, and subthreshold depression within this category. Our findings underscore the necessity for thorough evaluations and tailored treatment approaches for managing suspected DTD.

Abstract Background Mood disorders, with a particular emphasis on depression, exert a significant influence on job performance and participation, leading to substantial levels of workforce presenteeism and absenteeism. Often, individuals who rejoin the workforce following a depression-induced sick leave encounter lingering impairments and are frequently prone to repeated periods of absence. Therefore, predicting occupational engagement in a timely manner is crucial for devising appropriate management strategies for individuals affected by depression. Nonetheless, there is a lack of clear indicators in patients with depression to predict continuous employment. Aims & Objectives The primary objective of the present study is to investigate the association between illness severity, as measured by the Quick Inventory of Depressive Symptomatology, Self-Report (QIDS- SR), and absenteeism among workers with mood disorders. Furthermore, we aimed to propose a clinically relevant cut-off score for this scale to predict potential unemployment or sick leave in this population. Methods In a prospective observational trial conducted in Tokyo, 112 outpatients diagnosed with either major depressive disorder or bipolar depression were enrolled. Their employment statuses of these participants were tracked over a six-month period after their QIDS-SR scores were recorded. Based on their employment trajectories, participants were categorized into either continuous or non-continuous employment groups. Binary logistic regression was applied to examine the relationship between the QIDS-SR scores and employment outcomes, with adjustments for age, gender, and psychiatric diagnoses. Receiver operating characteristic curves were utilized to identify the optimal QIDS-SR cut-off values for predicting continuous employment. Results A total of 112 patients, with an average age of 44.4±10.8 years, participated in the present study. Of the 112 patients, 76 were diagnosed with depression, 36 with bipolar disorder, and 69 were prescribed antidepressants. 62 participants were continuously employed during the follow-up period, while the remaining 50 were classified into the non-continuous employment group. The mean QIDS-SR score at baseline was 7.6±4.7 and 11.5±5.5 for the continuous and non-continuous employment groups, respectively. There was no significant difference observed in the demographic characteristics between the two groups, except for the QIDS-SR score. In the binary logistic regression model, a lower score on the QIDS-SR was linked to an elevated likelihood of continuous employment, presenting adjusted an odds ratio of 1.15 (95% confidence interval (CI): 1.06-1.27, p = 0.001), Variables including age, gender, and psychiatric diagnosis were not found to correlate with continuous employment. The AUC value for identifying continuous employment was 0.72 (95% Cl: 0.62-0.82), indicating acceptable accuracy. By using the Youden Index, the optimal cut-off point for identifying continuous employment was determined as a score of 10/11. Applying this cut-off yielded sensitivity and specificity values of 63% and 71%, respectively. Discussion & Conclusion The results emphasize the potential of the QIDS-SR as a prognostic instrument for predicting employment outcomes among individuals with depressive disorders. These findings further underscore the importance of managing depressive symptoms to mild or lower intensities to ensure ongoing employment.