Anxiety, emotional processing and depression in people with multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Despite the high comorbidity of anxiety and depression in people with multiple sclerosis (MS), little is known about their inter-relationships. Both involve emotional perturbations and the way in which emotions are processed is likely central to both. The aim of the current study was to explore relationships between the domains of mood, emotional processing and coping and to analyse how anxiety affects coping, emotional processing, emotional balance and depression in people with MS. METHODS: A cross-sectional questionnaire study involving 189 people with MS with a confirmed diagnosis of MS recruited from three French hospitals. Study participants completed a battery of questionnaires encompassing the following domains: i. anxiety and depression (Hospital Anxiety and Depression Scale (HADS)); ii. emotional processing (Emotional Processing Scale (EPS-25)); iii. positive and negative emotions (Positive and Negative Emotionality Scale (EPN-31)); iv. alexithymia (Bermond-Vorst Alexithymia Questionnaire) and v. coping (Coping with Health Injuries and Problems-Neuro (CHIP-Neuro) questionnaire. Relationships between these domains were explored using path analysis. RESULTS: Anxiety was a strong predictor of depression, in both a direct and indirect way, and our model explained 48% of the variance of depression. Gender and functional status (measured by the Expanded Disability Status Scale) played a modest role. Non-depressed people with MS reported high levels of negative emotions and low levels of positive emotions. Anxiety also had an indirect impact on depression via one of the subscales of the Emotional Processing Scale ("Unregulated Emotion") and via negative emotions (EPN-31). CONCLUSIONS: This research confirms that anxiety is a vulnerability factor for depression via both direct and indirect pathways. Anxiety symptoms should therefore be assessed systematically and treated in order to lessen the likelihood of depression symptoms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».