The screen for cognitive impairment in psychiatry (SCIP) is associated with disease severity and cognitive complaints in major depression
Notice bibliographique
Résumé
Objective: To assess the relationship between the Screen for Cognitive Impairment in Psychiatry (SCIP) score and illness severity, subjective cognition and functioning in a cohort of major depressive disorder (MDD) patients.Methods: Patients (n = 40) diagnosed with MDD (DSM-IV-TR) completed the SCIP, a brief neuropsychological test, and a battery of self-administered questionnaires evaluating functioning (GAF, SDS, WHODAS 2.0, EDEC, PDQ-D5). Disease severity was evaluated with the Hamilton Depression Rating Scale (HDRS) and the Clinical Global Impression (CGI).Results: Age and sex were associated with performance in the SCIP. The SCIP-Global index score was associated with disease severity (r = −0.316, p < .05), the SDS, a patient self-assessment of daily functioning (r = −0.368, p < .05), and the EDEC subscales of patient-reported cognitive deficits (r = −0.388, p < .05) and their functional impacts (r = −0.335, p < .05). Multivariate analysis adjusted for age and sex confirmed these tests are independent predictors of performance in the SCIP (CGI-S, F[3,34] = 4.478, p = .009; SDS, F[3,34] = 3.365, p = .030; EDEC-perceived cognitive deficits, F[3,34] = 5.216, p = .005; EDEC-perceived impacts of functional impairment, F[3,34] = 5.154, p = .005).Conclusions: This study confirms that the SCIP can be used during routine clinical evaluation of MDD, and that cognitive deficits objectively assessed in the SCIP are associated with disease severity and self-reported cognitive dysfunction and impairment in daily life.
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 | 0,007 |
| 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 | 0,001 |
| 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 ».