Expression of Depressive Symptoms in a Nonclinical Brazilian Adolescent Sample
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to detect the prevalence of depressive symptomatology and its expression in a nonclinical Brazilian adolescent student sample. METHOD: A sample of students from private and public schools (n = 1555, aged 13 to 17 years) answered the Beck Depression Inventory (BDI). We performed factor analysis of the BDI as an indicator of the expression of depressive symptomatology. The following cut-off scores defined nonclinical subgroups: "nondepressed," BDI < 15; "dysphoria," BDI 16 to 20; and "depressed," BDI > 20. We used discriminant analysis to test whether these subgroups could be separated by the depression-specific and nonspecific items. RESULTS: The point prevalence of depression was 7.6%, according to the BDI cut-off of 20. Girls had higher scores than boys in several items. Scores increased with age. Students from public schools had higher scores than did private school students. Factor analysis showed 2 common factors for the total sample and for each sex: the cognitive affective dimension and the somatic nonspecific dimension. In the adolescents showing clinical depression, items related to self-depreciation, sense of failure, guilty feelings, self-dislike, suicidal wishes, and distortion of body image were common components of BDI factors. Discriminant analysis showed that the BDI highly discriminates depressive symptomatology in adolescent students and also measures specific aspects of depression. CONCLUSIONS: The BDI is useful as a measure of specific aspects of depression in nonclinical adolescent samples; it was able to detect depression in approximately 7% of the surveyed population. The expression of depressive symptoms in a Brazilian adolescent population is compatible with international studies in this age group. Detecting depressive symptoms in a school population is a critical preventive strategy; to avoid damage to the learning process, it should be followed with further referral to treatment when needed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».