Patterns and predictors of naturally occurring change in depressive symptoms over a 30-month period in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Depressive symptoms are common in multiple sclerosis (MS), yet there is little information about the pattern and predictors of changes in depressive symptoms over time. OBJECTIVE: We examined changes in depressive symptoms over a 30-month period and the demographic, clinical and behavioral predictors of such changes in relapsing-remitting MS (RRMS). METHODS: 269 persons with RRMS completed the Hospital Anxiety and Depression Scale (HADS) and a demographic/clinical scale, Godin Leisure-Time Exercise Questionnaire (GLTEQ) and Patient Determined Disease Steps (PDDS) scale every 6 months over a 30-month period. Data were analyzed using latent class growth modeling (LCGM). RESULTS: LCGM identified a two-class model for changes in HADS depression scores over time. Class 1 involved lower initial status (i.e. fewer depressive symptoms) and linear decreases in depressive symptoms over time (i.e. improving HADS scores), whereas Class 2 involved higher initial status (i.e. more depressive symptoms) and linear increases in depressive symptoms over time (i.e. worsening HADS scores). LCGM further indicated that being older (OR = 2.46; p < .05), married (OR = 2.62; p < .05), employed (OR = 4.29; p < .005) and physically active (OR = 2.71; p < .05) predicted a greater likelihood of belonging to C1 than C2. CONCLUSIONS: Depressive symptoms change over time in persons with RRMS, and the pattern of change can be predicted by modifiable and non-modifiable factors.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».