A randomized controlled trial to examine the impacts of disclosing personalized depression risk information on the outcomes of individuals who are at high risk of developing major depression: a research protocol
Notice bibliographique
Résumé
BACKGROUND: Major depressive disorder is one of the most prevalent and disabling forms of mental illness in the general population. One public health strategy that may reduce the disease burden is early identification and prevention - identifying people who are at high risk and intervening to prevent symptoms from progressing into a major depressive episode (MDE). Multivariable risk predictive algorithms (MVRP) have been developed to estimate personalized risk (probability) of an MDE. The purpose of this trial is to answer the questions: (1) Does disclosure of personalized depression risk information promote high-risk individuals to take preventive actions? (2) Will disclosure of personalized depression risk information negatively affect the mental health of those at high risk? METHODS: We are recruiting 350 high-risk men and 350 high-risk women across the country. Individuals are eligible, if they: (1) are 18 years or older, (2) have not had a depressive episode in the past two months, (3) are at high risk of MDE based on the MVRPs (predicted risk of 6.5% + for men and of 11.2% + for women), (4) can communicate in either English or French, and (5) agree to be contacted for follow-up interviews. The MVRPs were developed and validated using longitudinal data from over 10,000 Canadians across the country. Eligible participants are randomized into (1) the control group, and (2) the group receiving personalized depression risk information. The participants are assessed at baseline, 6 and 12 months regarding accuracy of risk perception, use of self-help strategies and changes in psychological distress and functioning. Qualitative interviews are conducted in sub-samples of the intervention groups to explore how the personalized information affects risk perception, self-help behaviors and mental health. DISCUSSION: MVRPs can be used for risk stratification and planning preventive actions. The personalized risk information produced by MVRPs may also empower users to actively engage in self-management. This trial will contribute to the knowledge base about the potential health benefits and psychological harms associated with the provision of personalized depression risk information that will inform future implementation and patient-physician communication in the clinical settings. TRIAL REGISTRATION: NCT02943876 . Date of trial registration: October 21st, 2016.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,003 |
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 ».