Identifying Target Areas of Treatment for Depressed Early Inflammatory Arthritis Patients
Notice bibliographique
Résumé
BACKGROUND: The goal of this study was to identify target areas for psychosocial intervention for depressed patients with early inflammatory arthritis. METHODS: One hundred and sixty-five patients with early inflammatory arthritis (> or =1 joint with synovitis for > or =6 weeks and <1 year with a diagnosis of either rheumatoid or undifferentiated inflammatory arthritis) were referred to the McGill Early Arthritis Registry (McEAR) by their rheumatologist. McEAR patients agree to periodic physical exams and to completing questionnaires. Demographic, disease and psychosocial factors were compared between patients screening positive and negative for depression using independent samples t tests and Pearson's chi(2) test and then were entered into a logistic regression model examining the likelihood of screening positive for depression. RESULTS: Thirty-eight (23%) patients screened positive for depressive symptoms. Patients with symptoms of depression had significantly worse disease severity, disability, and pain, engaged in more emotional preoccupation coping, had less self-efficacy for pain and other arthritis-related symptoms, smaller social networks and were less satisfied with social support than the nondepressed group. In logistic regression analyses, pain and emotional preoccupation coping were positively related to the likelihood of screening positive for depression, while satisfaction with social support was negatively related to the likelihood of screening positive for depression CONCLUSION: Higher pain levels, emotional preoccupation coping and dissatisfaction with social support were related to depressive symptoms in this study. This suggests that the optimal care of depressed patients with inflammatory arthritis would include a psychosocial approach that addresses these specific target areas.
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 ».