Brief Screen to Identify 5 of the Most Common Forms of Psychosocial Distress in Cardiac Patients
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a brief psychosocial screening tool (Screening Tool for Psychological Distress [STOP-D]) for use in the outpatient cardiology setting. BACKGROUND: Psychosocial factors contribute significantly to the morbidity and mortality associated with coronary artery disease. Yet, it is often considered overly burdensome to implement full-scale psychological assessments for every patient. METHODS: Over 3 months, 194 cardiac patients were consecutively recruited from 3 cardiac clinics: heart transplant (pre and post), cardiac rehabilitation, and adult congenital heart. Subjects filled out a questionnaire that included: (1) demographics, (2) STOP-D, (3) Beck Depression Inventory-II, (4) Beck Anxiety Inventory, (5) State-Trait Anger Expression Inventory-2, and (6) MOS Social Support Survey. RESULTS: Analyses reveal all STOP-D items are highly correlated with the corresponding measures and have robust receiver operating characteristic curves. Severity scores on STOP-D-depression and STOP-D-anxiety correlate well with established severity cutoff scores on the Beck Depression Inventory and the Beck Anxiety Inventory, respectively. CONCLUSIONS: Overall, the STOP-D performs very well when compared with other longer and validated measures. The STOP-D is a 5-item self-report measure, which provides severity scores for: depression, anxiety, stress, anger, and poor social support. The STOP-D is self-administered and takes between 1 and 2 minutes to fill out, gives valid severity scores on 5 key areas of psychological distress (depression, anxiety, stress, anger, and poor social support), requires no scoring, and is free to use.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».