OSTEOARTHRITIS AND DEPRESSION IN A MALE VA POPULATION
Notice bibliographique
Résumé
Abstract Osteoarthritis (OA) is a leading cause of disability among older adults. By 2050, approximately 60 million will suffer from arthritis adding up to a total societal cost of $65 billion. Chronic illnesses resulting in pain, and functional decline have been associated with depression in previous studies. The primary goal of this study is to investigate whether OA severity, as measured by the Western Ontario McMasters Arthritis Composite (WOMAC), impacts reported levels of depression and to what degree clinical and sociodemographic variables play a part. A causal model was developed and tested examining the antecedents of OA disease severity and depression. Information on clinical, demographic, socioeconomic, and psychosocial variables was collected on 596 male Veterans with moderate to severe symptomatic OA of the knee\hip. A Confirmatory Factor Analysis was conducted to determine the factor structure of the WOMAC. A 2nd order three factor solution (pain, stiffness, and function) fit the data well (TLI of .94, a CFI of .94 and a RMSEA of .058). The results of the Structural Equation Model reveal a final model that fit the data well (TLI of .95, a CFI of .97 and a RMSEA of .047). Depression was predicted by higher WOMAC scores (beta=.37 , p<.01); higher levels of comorbidity (beta= .11, p<.05); younger age (beta= -.29, p<.01); being white (beta=-.11, p<.05); lower levels of income (beta= -.12, p<.05); lower levels of religiosity (beta= 11, p<.05). Clinicians should be aware of the impact of disease severity when treating OA patients with depression.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».