Detecting anxiety in individuals with Parkinson disease
Notice bibliographique
Résumé
OBJECTIVE: To examine diagnostic accuracy of anxiety detection tools compared with a gold standard in outpatient settings among adults with Parkinson disease (PD). METHODS: A systematic review was conducted. MEDLINE, EMABASE, PsycINFO, and Cochrane Database of Systematic Reviews were searched to April 7, 2017. Prevalence of anxiety and diagnostic accuracy measures including sensitivity, specificity, and likelihood ratios were gathered. Pooled prevalence of anxiety was calculated using Mantel-Haenszel-weighted DerSimonian and Laird models. RESULTS: A total of 6,300 citations were reviewed with 6 full-text articles included for synthesis. Tools included within this study were the Beck Anxiety Inventory, Geriatric Anxiety Inventory (GAI), Hamilton Anxiety Rating Scale, Hospital Anxiety and Depression Scale-Anxiety, Parkinson's Anxiety Scale (PAS), and Mini-Social Phobia Inventory. Anxiety diagnoses made included generalized anxiety disorder, social phobia, and any anxiety type. Pooled prevalence of anxiety was 30.1% (95% confidence interval 26.1%-34.0%). The GAI had the best-reported sensitivity of 0.86 and specificity of 0.88. The observer-rated PAS had a sensitivity of 0.71 and the highest specificity of 0.91. CONCLUSIONS: While there are 6 tools validated for anxiety screening in PD populations, most tools are only validated in single studies. The GAI is brief and easy to use, with a good balance of sensitivity and specificity. The PAS was specifically developed for PD, is brief, and has self-/observer-rated scales, but with lower sensitivity. Health care practitioners involved in PD care need to be aware of available validated tools and choose one that fits their practice.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».