Depressive symptom severity, contributing factors, and self‐management among chronic dialysis patients
Notice bibliographique
Résumé
Despite the high prevalence of depressive symptoms in patients receiving chronic dialysis, there has been inadequate attention to patient-related barriers to management of depressive symptoms, such as factors identified by these patients as contributing to their symptoms, and how they responded to the symptoms. Participants (N = 210) in an ongoing longitudinal observational study of multidimensional quality of life in patients receiving chronic dialysis completed a battery of measures monthly for 12 months. For each patient at each measurement point, an event report was generated if he or she scored outside of the normal range on the depressive symptom scale (Center for Epidemiologic Studies Depression Scale-Short Form [CESD-SF] ≥10) or expressed suicidal ideation. Of the 210 participants, 100 (47.6%) had a CESD-SF score ≥10 at least once resulting in 290 event reports. Of these 100 participants, 15 (15%) had also reported suicidal ideation in addition to having depressive symptoms. The most frequently stated contributing factors included "managing comorbid conditions and complications" (56 event reports, 19.3%), "being on dialysis" (50, 17.2%), "family or other personal issues" (37, 12.8%), and "financial difficulties" (31, 10.7%). On 11 event reports (3.8%) participants had been unaware of their depressive symptoms. On 119 event reports (41%) participants reported that they discussed these symptoms with their dialysis care providers or primary care providers, while on 171 event reports (59%) symptoms were not discussed with their health-care providers. The prevalence of depressive symptoms is high and many patients lack knowledge about effective self-management strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».