Explanation of somatic symptoms by mental health and personality traits: application of Bayesian regularized quantile regression in a large population study
Notice bibliographique
Résumé
BACKGROUND: Somatic syndrome is one of the remarkably prevalent issues in primary health care and subspecialty settings. We aimed to elucidate multidimensional associations between somatic symptoms with major mental problems and personality traits in the framework of the quantile regression model with a Bayesian approach. METHODS: A total of 4763 employees at Isfahan University of Medical Sciences and Health Services in Isfahan province, Iran, filled out four validated questionnaires including Hospital Anxiety and Depression Scale (HADS), NEO Questionnaire, General Health Questionnaire (GHQ) and PHQ-15 for somatic symptom severity. In addition, Functional Gastrointestinal Disorders (FGIDs) were determined using Rome IV criteria. Exploratory Factor Analysis (EFA) and Bayesian regularized quantile regression with adaptive LASSO penalization were applied for reduced dimension of somatic symptoms and variable selection and parameter estimation, respectively. RESULTS: The 25 major somatic symptoms were grouped into four factors including general, upper gastrointestinal, lower gastrointestinal and respiratory by EFA. Stress, depression, and anxiety had significant effects on all of the four extracted factors. The effect of anxiety in each four extracted factors was more than stress and depression. Neuroticism and agreeableness had significant effects on all of the four extracted factors, generally (p < 0.05). CONCLUSIONS: Given the high prevalence of somatic symptoms and psychosomatic complaints in correlation with the diverse range of mental co-morbidities, developing more detailed diagnostic tools and methods is crucial; nonetheless, it seems that providing better interdisciplinary approaches in general medical practice is groundwork.
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) | 0,000 | 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 | 0,000 |
| 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 ».