Brief Screen to Identify 5 of the Most Common Forms of Psychosocial Distress in Cardiac Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 découle