Socioeconomic Predictors of Incident Depression in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To assess different measures of socioeconomic status (SES) as predictors of incident depression among women with systemic lupus erythematosus (SLE). METHODS: Data were derived from the 2010-2015 waves of the Lupus Outcomes Study, where individuals with confirmed SLE were interviewed annually by telephone. Depression was assessed using the Center for Epidemiologic Studies Depression Scale, using a validated lupus-specific cutoff (≥23) for major depressive disorder. Women interviewed in ≥2 consecutive waves, with scores <23 in the first wave (T1), were included. The level of financial strain was classified as high, moderate, or none based on responses to 3 questions. Generalized estimating equations were used to assess the impact of poverty status, income, education, and financial strain at T1 on the risk of incident depression the next year (T2), with adjustment for sociodemographic and disease status measures. Individuals could contribute more than one 2-year dyad to the analysis. RESULTS: In total, 682 women contributed 2,097 observations, with 19% having high financial strain, 47% moderate strain, and 34% no strain. There were 166 women who had 184 episodes of incident depression (rate = 8.8/100 person-years). In bivariate analysis, poverty, lower income and education, disease activity, and high financial strain were associated with depression onset; race/ethnicity was not. Poverty, income, and education were not significant in multivariate analyses, but disease activity and high financial strain were (odds ratio 1.85 [95% confidence interval 1.06-3.23]). CONCLUSION: High financial strain was a significant predictor of new-onset depression in women with SLE, controlling for disease factors and other SES measures. Determining specific, modifiable sources of financial strain may help prevent the development of 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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».