Comorbidity Structure of Psychological Disorders in the Online e-PASS Data as Predictors of Psychosocial Adjustment Measures: Psychological Distress, Adequate Social Support, Self-Confidence, Quality of Life, and Suicidal Ideation
Notice bibliographique
Résumé
BACKGROUND: A relative newcomer to the field of psychology, e-mental health has been gaining momentum and has been given considerable research attention. Although several aspects of e-mental health have been studied, 1 aspect has yet to receive attention: the structure of comorbidity of psychological disorders and their relationships with measures of psychosocial adjustment including suicidal ideation in online samples. OBJECTIVE: This exploratory study attempted to identify the structure of comorbidity of 21 psychological disorders assessed by an automated online electronic psychological assessment screening system (e-PASS). The resulting comorbidity factor scores were then used to assess the association between comorbidity factor scores and measures of psychosocial adjustments (ie, psychological distress, suicidal ideation, adequate social support, self-confidence in dealing with mental health issues, and quality of life). METHODS: A total of 13,414 participants were assessed using a complex online algorithm that resulted in primary and secondary Diagnostic and Statistical Manual of Mental Disorders (Fourth Edition, Text Revision) diagnoses for 21 psychological disorders on dimensional severity scales. The scores on these severity scales were used in a principal component analysis (PCA) and the resulting comorbidity factor scores were related to 4 measures of psychosocial adjustments. RESULTS: A PCA based on 17 of the 21 psychological disorders resulted in a 4-factor model of comorbidity: anxiety-depression consisting of all anxiety disorders, major depressive episode (MDE), and insomnia; substance abuse consisting of alcohol and drug abuse and dependency; body image-eating consisting of eating disorders, body dysmorphic disorder, and obsessive-compulsive disorders; depression-sleep problems consisting of MDE, insomnia, and hypersomnia. All comorbidity factor scores were significantly associated with psychosocial measures of adjustment (P<.001). They were positively related to psychological distress and suicidal ideation, but negatively related to adequate social support, self-confidence, and quality of life. CONCLUSIONS: This exploratory study identified 4 comorbidity factors in the e-PASS data and these factor scores significantly predicted 5 psychosocial adjustment measures. TRIAL REGISTRATION: Australian and New Zealand Clinical Trials Registry ACTRN121611000704998; http://www.anzctr.org.au/trial_view.aspx?ID=336143 (Archived by WebCite at http://www.webcitation.org/618r3wvOG).
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 | 0,002 | 0,005 |
| 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 | 0,001 | 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) | 0,002 | 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 ».