MétaCan
Menu
Retour à la cohorte
Enregistrement W2936132728 · doi:10.1136/lupus-2019-lsm.92

92 Engaging patients and parents to improve mental health for youth with systemic lupus erythematosus

2019· article· en· W2936132728 sur OpenAlexaff
Andrea Knight, Oluwatunmise A. Fawole, Michelle Reed, Lauren Faust, Tamar B. Rubinstein, Julia G. Harris, Aimee O. Hersh, Karen Onel, Erica Lawson, Kaveh Ardalan, Esi M. Morgan, Anne Paul, Judith Barlin, Paola Daly, Mitali Dave, Shannon Malloy, Shari Hume, Suzanne Schrandt, Laura Marrow, Angela Chapson, Donna Jo Napoli, Michael Napoli, Miranda Moyer, Rachel Adamski, Vincent Del Gaizo, Martha Rodriguez, Emily von Scheven

Notice bibliographique

RevueAbstracts · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineMental healthAnxietySystemic lupus erythematosusDiseaseRheumatologyFamily medicineIntervention (counseling)PsychiatryClinical psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background Mental health conditions are common in youth with systemic lupus erythematosus (SLE), yet intervention strategies are understudied. We used a patient-engaged approach to investigate the mental health needs of youth with SLE. Methods An anonymous online survey examined beliefs and experiences with mental health for youth with SLE. Eligible youth ages 14–24 years had a diagnosis of SLE and reported specific treatment for the condition. Parents of youth 8–24 years meeting the above criteria were also eligible to participate. The survey was developed in collaboration with patient and parent advisors, the Childhood Arthritis and Rheumatology Research Alliance (CARRA), and the Patients, Advocates, and Rheumatology Teams Network for Research and Service (PARTNERS). Participants were recruited through the Lupus Foundation of America and CARRA clinics. We tabulated youth responses for i) self-reported prevalence of mental health problems, categorized into mutually exclusive clinician-diagnosed disorders and self-diagnosed symptoms, and ii) mean Likert ratings (0=low, 4=high) for the impact of disease related-factors on their mental health. We also compared youth and parent responses using regression models to examine comfort level with potential mental health providers. Results 102 respondents included 59 patients (58%) and 43 (42%) parents. Youth had a mean age of 20.9 (standard deviation, SD=3.4) years, and mean disease duration of 6.9 (SD 4.0) years. History of a mental health problem was reported by 21 youth (36%), of which 66% said that their rheumatologist was unaware. Clinician-diagnosed anxiety was reported by 19%, depression by 12%, and adjustment disorders by 19%; another 17%, 8% and 10% had self-reported symptoms of these disorders, respectively. Mean Likert ratings by youth indicated that disease aspects most impacting mental health were worry about disease impact on the future at 3.0 (SD 1.2), worry about having a flare at 2.9 (1.2), and worry about medication side effects at 2.8 (1.3). Youth and parents felt most comfortable discussing mental health concerns with rheumatologists and primary care providers, and least comfortable with social workers and school counselors (figure 1). Conclusions Youth with SLE have high rates of diagnosed and undiagnosed mental health problems, which are impacted by their disease. Mental health intervention strategies in rheumatology settings may improve mental health education, screening and treatment for these youth. Funding Source(s): The Childhood Arthritis and Rheumatology Research Alliance

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,349
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbstractsMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207