Should Psychological Distress Screening in the Community Account for Self-Perceived Health Status?
Notice bibliographique
Résumé
OBJECTIVE: Psychological distress questionnaires are often used as screening instruments for mental disorders in clinical and epidemiologic settings. Poor physical health may affect the screening properties of a questionnaire. We evaluate the effect of self-perceived health status on the screening performance of the Kessler K10 and K6 scales in a community sample. METHODS: We used data from the Canadian Community Health Survey: Mental Health and Well-Being (CCHS 1.2). Psychological distress was measured by the 6-item (K6) and the 10-item (K10) Kessler instrument. Depression and anxiety disorders were assessed using the World Mental Health Composite International Diagnostic Interview (1-month estimates). Optimal cut-off points regarding health status were determined by finding the K6 and K10 values that allowed for the best balance between sensitivity and specificity. Stratum-specific likelihood ratios (SSLRs) were computed to define strata with discriminating power. RESULTS: There was a strong association between the screening performance of the K6 and K10 scales and self-perceived health status: for the K10 scale, a cut-off point of 5/6 yielded the best balance between sensitivity and specificity for subjects with excellent or very good health status, while a cut-off point of 14/15 yielded the best balance between sensitivity and specificity for subjects with poor health status. CONCLUSIONS: The combination of the K6 and K10 scales, with a self-rated health status item, may improve screening properties of the 2 scales.
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 | 0,014 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».