Potential use of Internet-based screening for anxiety disorders: a pilot study
Notice bibliographique
Résumé
BACKGROUND: The Internet is a widely used resource for obtaining health information. Internet users are able to obtain anonymous information on diagnoses and treatment, seek confirmatory information, and are able to self-diagnose. We posted a self-report diagnostic screening questionnaire for DSM-IV anxiety and mood disorders (MACSCREEN) on our clinic website. METHOD: Three hundred and two individuals completed the MACSREEN. For those who qualified for a DSM-IV disorder, self-report symptom severity measures were completed for the specified disorder: Quick Inventory of Depressive Symptomatology, self-report, Social Phobia Inventory, GAD-7, Davidson Trauma Scale, Panic and Agoraphobia Scale, and Yale/Brown Obsessive Compulsive Scale, self-report. Cutoff scores for each self-report measure were used to evaluate clinically significant symptom severity. Respondents were also asked to complete a series of questions regarding their use of the Internet for health information. RESULTS: The mean age of the MACSCREEN sample was 35.2 years (±13.9), where the majority (67.2%) were female. The most frequently diagnosed conditions were social phobia (51.0%), major depressive disorder (32.4%), and generalized anxiety disorder (25.5%). Sixty-five percent of the sample met criteria for at least one disorder. Most respondents reported completing the MACSCREEN, as they were concerned they had an anxiety problem (62.3%). The majority of respondents reported seeking health information concerning specific symptoms they were experiencing (54.6%) and were planning to use the information to seek further assessment (60.3%). CONCLUSION: Individuals with clinically significant disorder appear to be using the Internet to self-diagnose and seek additional information.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 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 ».