<scp>B</scp>eck <scp>D</scp>epression <scp>I</scp>nventory‐<scp>F</scp>ast <scp>S</scp>creen (<scp>BDI</scp>‐<scp>FS</scp>): An efficient tool for depression screening in patients with end‐stage renal disease
Notice bibliographique
Résumé
Depression is common in patients suffering from end-stage renal disease (ESRD). Various screening tools for depression in ESRD patients are available. This study aimed to validate the Beck Depression Inventory-Fast Screen (BDI-FS) with the Beck Depression Inventory-II (BDI-II) as depression screening tool in conventional hemodialysis (CHD) patients. One hundred sixty two CHD patients were studied with both screening questionnaires. We used the Pearson Correlation Coefficient to measure the agreement between BDI-II and BDI-FS scores from 134 patients who responded to both questionnaires. Receiver operating characteristics curve and area under the curve were constructed to determine a valid BDI-FS cutoff score to identify ESRD patients at risk for depression. BDI-II and BDI-FS scores strongly correlated (Pearson r = 0.85, p < 0.0001). At a BDI-II cutoff ≥16, receiver operating characteristics showed the best balance between sensitivity and specificity for the BDI-FS cutoff value of ≥4 with a sensitivity of 97.2% (95% confidence interval [CI]: 85.5%, 99.9%) and a specificity of 91.8% (95% CI: 84.5%, 96.4%). When applying the above cutoff scores, prevalence of depressive symptoms in all completed questionnaires was found to be 28.7% (BDI-II) and 30.1% (BDI-FS), respectively. The BDI-FS was found to be an efficient and effective tool for depression screening in ESRD patients which can be easily implemented in routine dialysis 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 | 0,005 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».