Higher Frequency of Psychiatric Morbidity in Patients with Bacterial Infection of the Skin and Subcutaneous Tissue versus Cutaneous Neoplasms: Results from a Nationally Representative Sample from the United States
Notice bibliographique
Résumé
BACKGROUND: Poor hygiene and nutrition and resultant compromised immune status in some psychiatric patients can increase susceptibility to bacterial skin infections. OBJECTIVE: We examined the frequency of ICD9-CM psychiatric disorders (codes 290-319) in bacterial skin infections (ICD9-CM codes 680-686) (N = 18,734) versus malignant and benign cutaneous neoplasms (ICD9-CM codes 172, 173, 232, 216) (N = 8,376), conditions that would be expected to cause psychological distress for the patient. METHODS: Logistic regression analysis was conducted controlling for age, sex, race, diabetes, obesity, and the use of antineoplastic and immunosuppressant medications. RESULTS: Skin infections were more commonly (odds ratio = 3.03, 95% CI 1.58-5.82) associated with a psychiatric disorder; the most frequent diagnoses were substance dependence and abuse (19.5%), depressive disorder (19.0%), attention-deficit disorder (14.4%), and anxiety disorders (11.6%). CONCLUSION: In contrast to cutaneous neoplasms, bacterial skin infections were three times as likely to be associated with a psychiatric disorder. Psychiatric comorbidity should be ruled out as a factor in patients with intractable skin infections.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».