MétaCan
Menu
Retour à la cohorte
Enregistrement W2045606680 · doi:10.1111/epi.12754

Validating screening tools for depression in epilepsy

2014· article· en· W2045606680 sur OpenAlexafffund
Kirsten M. Fiest, Scott B. Patten, Samuel Wiebe, Andrew G. M. Bulloch, Colleen J. Maxwell, Nathalie Jetté

Notice bibliographique

RevueEpilepsia · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensUniversity of WaterlooHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesUniversity of CalgaryAlberta Health Services
Mots-clésGold standard (test)EpilepsyDepression (economics)Hospital Anxiety and Depression ScalePatient Health QuestionnaireComorbidityPopulationMedicineAnxietyPsychiatryPhysical therapyInternal medicineDepressive symptoms

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Depression is a common comorbidity of epilepsy, and its timely identification in persons with epilepsy is essential. The use of screening tools to detect depression is common in epilepsy, but some scales in current use have not been validated using a gold standard in this population. The present study aims to validate three commonly used depression-screening scales and assess new cut points for scoring in those with epilepsy. METHODS: Persons with epilepsy (n = 300) from the only epilepsy clinic in a large urban health region completed questionnaires (e.g., sociodemographics, adverse event profile) and three depression-screening tools (Hospital Anxiety and Depression Scale [HADS]; Patient Health Questionnaire [PHQ]-9 and PHQ-2). One hundred eighty-five patients participated in a gold-standard structured clinical interview to assess depression. The diagnostic accuracy of the depression scales was assessed comparing a variety of scoring cut points to the gold-standard diagnosis of depression. RESULTS: The prevalence of current depression in this population, according to the gold-standard, was 14.6%. The scale with the highest sensitivity (84.6%) was the HADS with a cut point of 6 and the scale with the highest specificity (96.2%) was the PHQ-9 algorithm scoring method. Overall, the PHQ-9 at a cut point of 9 and the HADS at a cut point of 7 resulted in the greatest balance of sensitivity and specificity (area under the curve: 88% and 90%, respectively). SIGNIFICANCE: The PHQ-9 at a cut point of 9 and the HADS at a cut point of 7 had the best overall balance of sensitivity and specificity. However, for screening purposes the PHQ-9 algorithm method is ideal (optimizing specificity), whereas for case finding the HADS at a cut point of 6 performed best (optimizing sensitivity). Appropriate scale cut points should be chosen based on the study's goals and available resources. Disease-specific scale cut points are recommended for future studies assessing depression in persons with epilepsy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,343
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetEpilepsy research and treatmentTravaux en français237 207