The Effect of Postinjury Depression on Quality of Life following Minor Injury
Notice bibliographique
Résumé
PURPOSE: To describe quality of life (QoL) in the year following minor injury and to test the hypothesis that individuals with depression in the postinjury year experience lower QoL than do individuals with no depression. DESIGN: Prospective, longitudinal, cohort design. A total of 275 adults were randomly selected from injured patients presenting to an urban emergency department. METHODS: All participants underwent structured psychiatric diagnostic interviews immediately after injury and at 3, 6, and 12 months. The primary outcome, QoL, was measured using the Quality of Life Index. Covariates included demographics, injury status, preinjury functional status, preinjury social support, and anticipation of problems postdischarge. The General Estimating Equation was used to compare changes in QoL between participants with and without depression over 3, 6, and 12 months, adjusting for covariates. RESULTS: An 18.1% proportion (95% confidence interval [CI] 13.3, 22.9%) of the sample met criteria for a mood disorder in the postinjury year. The depressed group reported a QoL that was 4.2 points (95% CI 2.8-5.6) lower in the year postinjury compared with that of the nondepressed group. CONCLUSIONS: Depression after minor injury negatively affects QoL even a full year postinjury. CLINICAL RELEVANCE: The findings of this study show that patients who have injuries that are treated and discharged from an emergency department can have significantly lower QoL in the year after that injury that is attributed, in part, to postinjury depression. Nurses should provide anticipatory guidance to patients that they may experience feelings of sadness or being "blue," and that if they do, they should seek care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».