Assessing the Prevalence of Depression among Individuals with Diabetes in a Medicaid Managed-Care Program
Notice bibliographique
Résumé
OBJECTIVES: To determine the prevalence of self-reported depression symptoms among diabetic individuals enrolled in Gold Choice, a Medicaid managed care organization specifically for people with mental health and/or substance abuse diagnoses; and to assess the sensitivity and specificity of individuals' self-report with encounter data. METHODS: The 9-item depression scale of the Patient Health Questionnaire (PHQ-9) was mailed to 454 Gold Choice members in Western New York diagnosed with diabetes; and 249 completed PHQ-9 forms were returned (55% response rate). The PHQ-9 forms were compared to primary care encounter data to determine whether the respondents had been diagnosed with depression. Descriptive and inferential statistical analysis was undertaken. RESULTS: The majority (56%) of individuals in the sample screened positive for depression (PHQ-9 > or = 10), and half (49%) did not have evidence of a diagnosis in their encounter data. The percentage of those diagnosed with depression rose with increasing PHQ-9 severity levels, with 63% of individuals with the most severe depression (PHQ-9 > or = 20) having a diagnosis. This trend was statistically significant, confirmed by independent sample t-tests and chi-square tests. The sensitivity of the PHQ-9 was moderate (66%), as was the specificity (52%). CONCLUSIONS: The results of this study suggest that depressive disorders may be under-recognized and under-treated amongst individuals with diabetes in the primary care setting. Half (51%) of those with PHQ-9 scores > or = 10 had depression diagnoses, suggesting poor compliance rates and/or a need for therapy reassessment.
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 | 0,001 | 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 | 0,001 | 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 ».