MétaCan
Menu
Retour à la cohorte
Enregistrement W2326146239 · doi:10.1177/0269215516641300

A study in persons later after stroke of the relationships between social participation, environmental factors and depression

2016· article· en· W2326146239 sur OpenAlexaboutno aff
Lifang Zhang, Minghong Sui, Tiebin Yan, Liming You, Kun Li, Yan Gao

Notice bibliographique

RevueClinical Rehabilitation · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)Stroke (engine)PsychologyPsychiatryClinical psychologyMedicineGerontologyEnvironmental healthEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore the impacts of social participation and the environment on depression among people with stroke. DESIGN: Cross-sectional survey. SETTING: Structured interviews in the participants' homes. SUBJECTS: Community-dwelling persons with stroke in the rural areas of China ( N = 639). INTERVENTIONS: Not applicable. MAIN MEASURES: Depression (Hamilton Rating Scale for Depression-6), activity and social participation (Chinese version of the World Health Organization's Disability Assessment Schedule 2.0), environmental barriers (Craig Hospital Inventory of Environmental Factors), neurological function (Canadian Neurological Scale). RESULTS: A total of 42% of the variance in depression was explained by the environmental barriers, neurological function, activity, and social participation factors studied. Social participation, services/assistance, and attitudes/support were directly related to depression; their standardized regression coefficients were 0.530, 0.162, and 0.092, respectively ( p ⩽ 0.01). The physical environment, policies, and neurological function indirectly impacted depression. Depression influences social participation in turn, with a standardized regression coefficient of 0.29 ( p ⩽ 0.01). CONCLUSIONS: Depression and social participation are inversely related. The physical environment, services/assistance, attitudes/support, and policies all impact post-stroke depression.

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)0,004
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 enseignants0,004
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
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 Opus0,067
Tête enseignante GPT0,377
Écart entre enseignants0,309 · 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

Citations47
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical RehabilitationMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207