Reductions in Quality of Life Associated With Common Mental Disorders
Notice bibliographique
Résumé
OBJECTIVE: Traditional burden-of-disease estimates often exclude personality disorders, which are associated with significant mortality and morbidity. The aim of this study was to estimate the health-related quality of life (HRQoL) and annual population-level quality-adjusted life-year (QALY) losses associated with different mental and physical health conditions. In particular, it sought to quantify the impact of personality disorders on quality of life, at an individual and population level. METHOD: This was a secondary analysis of data from the National Epidemiologic Survey on Alcohol and Related Conditions, a nationally representative survey of the US general population collected from 2001 to 2005 (N = 34,653). Health-related quality of life (measured using the Short-Form Health Survey-6D) was the main outcome of interest. Regression analysis assessed the impact of various mental (based on DSM-IV criteria) and physical health conditions on HRQoL scores, and this impact was combined with the prevalence of disorders to estimate the population-level burden of disease. RESULTS: Mood disorders were associated with the highest decrease in HRQoL scores, followed by strokes, psychotic illness, and arthritis (P < .01). The greatest annual population QALY losses were caused by arthritis, mood disorders, and personality disorders. CONCLUSIONS: Quality-adjusted life year losses associated with personality disorders ranked behind only mood disorders and arthritis. Personality disorders were associated with significant reductions in quality of life, despite the fact that they are often excluded from traditional burden of disease estimates.
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 | 0,008 | 0,001 |
| 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 | 0,001 |
| 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 ».