Role of Depression in Outcomes of Low-Energy Distal Radius Fractures in Patients Older Than 55 Years
Notice bibliographique
Résumé
OBJECTIVES: This study examines depression and outcomes in patients older than 55 years with distal radius fracture. DESIGN: Prospective data collection included patient characteristics, treatment, general and limb symptoms and disability, and complications at baseline, 3 months, and 1 year. Bivariate analysis and multivariable linear regression were used to assess relationships between depression and outcome measures, specifically the Short Form-36 (SF-36), Disability of the Arm, Shoulder, and Hand (DASH) scores, and the Centre of Epidemiologic Studies Depression (CES-D) scale. SETTING: The study was conducted in a level-1 trauma center. PARTICIPANTS: All patients older than 55 years with isolated distal radius fracture were recruited (2007-2011). INTERVENTION: Patients were treated operatively or nonoperatively. MAIN OUTCOME MEASURES: The SF-36 and DASH scores measured general and upper extremity status. Depression was measured using CES-D scale. All complications were recorded. RESULTS: Of 228 patients, 25% were depressed at baseline, 32% at 3 months, and 26% after 1 year. Thirty-two patients (14%) had complications. There was no relationship between depression at baseline and complications; however, there was a statistically significant relationship at 3 months (P = 0.021). There was a statistically significant association between baseline depression and the worse 1-year SF-36. Patients with baseline depression had poorer 1-year DASH scores (20 ± 2.3) than nondepressed patients (11 ± 1.3) (P = 0.0031), and less improvement in DASH scores over the first year (P = 0.023). Multivariable linear regression demonstrated that baseline depression is the strongest predictor of poorer 1-year DASH scores (3.7, P = 0.0078) and change in DASH scores over the first year (2.9, P = 0.026). CONCLUSIONS: Baseline depression predicts worse function and disability outcomes 1 year from injury. Depression (CES-D ≥16) is the strongest predictor of worse 1-year DASH scores and SF-36 outcome measures, after controlling for other potential predictors. LEVEL OF EVIDENCE: Prognostic Level I. See Instructions for Authors for a complete description of levels of evidence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».