The Identification of Regions of Significance in the Effect of Multimorbidity on Depressive Symptoms Using Longitudinal Data: An Application of the Johnson-Neyman Technique
Notice bibliographique
Résumé
BACKGROUND: The investigation of multimorbidity and aging is complex and highly intertwined with aging-related changes in physical and cognitive capabilities, and mental health and is known to affect psychological distress and quality of life. Under these circumstances it is important to understand how the effects of chronic conditions evolve over time relative to aging-related and end-of-life changes. The identification of periods in time where multimorbidity impacts particular outcomes such as depressive symptoms, versus periods of time where this is not the case, reduces the complexity of the phenomenon. OBJECTIVE: We present the Johnson-Neyman (J-N) technique in the context of a curvilinear longitudinal model with higher-order terms to probe moderators and to identify regions of statistical significance. In essence, the J-N technique allows one to identify conditions under which moderators impact an outcome from conditions where these effects are not significant. METHODS: To illustrate the use of the J-N technique in a longitudinal sample, we used data from the Health and Retirement Study. Analyses were based on time-to-death models including participants who died within the study duration of 12 years. RESULTS: Multimorbidity differentially affects rates of change in depression. For some periods in time the effects are statistically significant while in other periods the same effects are not statistically different from zero. CONCLUSION: The J-N technique is useful to continuously probe moderating effects and to identify particular interactions with the model for time when certain effects are or are not statistically significant. In the context of multimorbidity this method is particularly useful for interpreting the complex interactions with differential change over time.
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 | 0,163 | 0,309 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».