Meta‐analysis of predictors of favorable employment outcomes among individuals with bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: Although several studies have reported on predictors of employment in individuals with bipolar disorder (BD), the magnitude of the impact of these variables is unclear as no previous studies have estimated the collective effect sizes (ESs). The present meta-analysis estimated ESs and explored which of these variables are associated with positive employment outcomes. METHODS: We searched for articles published between 2000 and 2011 that reported associations between sociodemographic, clinical, psychosocial, and/or cognitive variables with employment outcomes in BD. Of the 781 articles identified, 22 met the inclusion criteria and were included in the final analysis (n = 6,301). Weighted correlation coefficients (r-index) were computed as ESs for each of the predictor variables, which were grouped into six categories: cognitive performance, symptomatology, sociodemographic factors, course of illness, clinical variables, and other personal factors. The overall ES (Rw) was estimated by assuming random-effect models. Sensitivity analyses were also performed to determine the robustness of the findings. RESULTS: Significant predictors of favorable employment outcomes included: cognitive performance (e.g., verbal memory, Rw = 0.33; executive function, Rw = 0.26), sociodemographic factors (e.g., years of education, Rw = 0.23), course of illness (e.g., number of lifetime psychiatric hospitalizations, Rw = -0.35), symptomatology (e.g., depression, Rw = -0.25), and other personal factors (e.g., personality disorder, Rw = -0.49). CONCLUSIONS: Overall, the cognitive performance and course of illness had larger average ESs than symptomatology or sociodemographic factors on favorable employment outcomes. These findings may help to guide the design of more effective work interventions for people with BD.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,040 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».