Risk factors for psychological distress following injury
Notice bibliographique
Résumé
OBJECTIVES: To identify predictors of psychological morbidity among injured patients admitted to an Emergency Department (ED). DESIGN: A prospective cohort study. PARTICIPANTS: Participants were consecutive male ED attenders. 210 (97.7%) patients consented to participate. At one month, 128 (61.0%) responded, at six months, 114 (54.3%), at eighteen months 96 (45.7%). MAIN OUTCOME MEASURES: Measures immediately following injury were the Hospital Anxiety and Depression Scale, the Eysenck Personality Questionnaire and the McGill pain questionnaire. Recovery at one month was recorded using the SF-36 Health Survey, COPE scale, Perceived Stress Scale and Revised Impact of Events Scale. At six and eighteen months outcome was measured using the General Health Questionnaire (28 items) and Revised Impact of Events Scale. Multivariate analysis identified pre-morbid, accident-related and recovery factors influencing outcome at six and eighteen months. RESULTS: The strongest predictors of outcome were initial levels of anxiety and depression, prior history of mental health problems, early PTSD symptoms and involvement in litigation. These factors predicted between 40-60% of the variance at six months (p<0.001), and 50-60% of the variance in psychological distress at eighteen months (p<0.001). CONCLUSION: Factors identifying individuals at-risk from psychological distress following injury include those related to the immediate response and the recovery phases of injury. Further development is needed to convert identified predictors into a comprehensive screening tool for clinical 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 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 | 0,002 |
| 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 | 0,001 |
| 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 ».