Variables Influencing Subjective Well-Being in Patients with Schizophrenia
Notice bibliographique
Résumé
Objectives : The purpose of this study was to analyze the relationship between subjective well-being and other clinical parameters such as sociodemographic and clinical variables, which include positive and negative symptoms, depressive symptoms, insight, and side effects.Methods : Fifty-one outpatients diagnosed with schizophrenia were recruited in this study.Subjective well-being was assessed using a self-rating scale, the Subjective Well-being under Neuroleptics-Short form (SWN-K). Sociodemographic variables were also evaluated and other evaluations were conducted using the Positive and Negative Syndrome Scale (PANSS), Calgary Depression Scale for Schizophrenia (CDSS), Liverpool University Neuroleptic Side Effect Rating Scale (LUNSERS), Korean Version of the Revised Insight Scale for Psychosis (KISP), and Multidimensional Scale of Perceived Social Support (MSPSS).The relationship between subjective well-being and these clinical variables was assessed.Results : Education years and social support scores were positively correlated with the total SWN-K scores, but severity of illness, severity of depression, severity of side effect, and the scores on insight were negatively correlated.The stepwise multiple regression analyses indicated that the total SWN-K score of the patients with schizophrenia was associated with negative symptoms and insight.Conclusion : Better insight and more severe negative symptoms in patients with schizophrenia may be associated with worse subjective well-being.Results indicate that careful evaluation of subjective well-being is essential for proper management of patients with schizophrenia.(
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».