Anxiety and depression in spasmodic dysphonia patients
Notice bibliographique
Résumé
Objective/Hypothesis Experts used to believe that spasmodic dysphonia (SD) was a psychogenic disorder. Although SD is now established as a neurological disorder, the rates of co‐morbid anxiety and depression range from 7.1% to 62%. Our objective was to study the prevalence and risk factors associated with these mood disorders in SD patients. Study design Retrospective. Methods SD patients who presented for botulinum toxin injections were recruited. Demographic data, Hospital Anxiety and Depression Scale (HADS), Voice Handicap Index‐10 (VHI‐10), General Self‐Efficacy scale (GSES), Disease Specific Self‐Efficacy in Spasmodic Dysphonia scale (DSSE), and Consensus Auditory Perceptual Evaluation of Voice (CAPE‐V) were collected. Results One hundred and forty two patients (age (59.2 ± 13.6) years, 25.4% male) had VHI‐10 of 26.3 ± 6.9 (mean ± standard deviation), GSES 33.2 ± 5.8, CAPE‐V 43.9 ± 20.9, HADS anxiety 6.7 ± 3.7, and HADS depression 3.6 ± 2.8. About 19 (13.4%) and 4 (2.8%) had symptoms of anxiety and depression respectively. Final linear regression model for HADS anxiety ( R 2 = 32.90%) showed that patients who were less likely to have anxiety symptoms were older age ( p < 0.001), male ( p = 0.002), have higher GSES ( p < 0.001) and lower VHI‐10 ( p = 0.004). Final linear regression model for HADS depression score ( R 2 = 34.42%) showed that patients who were less likely to have depressive symptoms had high DSSES ( p < 0.001). Conclusions Prevalence of anxiety (13.4%) and depression (2.8%) in SD were lower than previously reported in the literature. Risk factors for anxiety were: younger age, female gender, lower general self‐efficacy, and higher perceived vocal handicap. The main risk factor for depression was lower disease specific self‐efficacy.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».