MétaCan
Menu
← Retour à la cohorte
Enregistrement W2990504835 · doi:10.1183/13993003.congress-2019.pa4447

Predictive factors of depression in patients with cardiorespiratory failure

2019· article· en· W2990504835 sur OpenAlexaboutno aff
Guadalupe Lizzbett Luna Rodríguez, Lilian Victoria Romero-Pachicano, Casandra Pineda-Sánchez, Viridiana Peláez-Hernández, Arturo Orea‐Tejeda, Angelia Jiménez‐Valentín, María Fernanda Salgado-Fernández, Laura Arely Martínez-Bautista, Carlos Roberto Zepeda-Domínguez, Karla Leticia Rosales-Castillo, Alan Aldair Ibarra‐Fernández, Aimmé Flores-Vargas, Karla Balderas-Muñoz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCardiorespiratory fitnessDepression (economics)Intensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: One of the most common comorbidities to the COPD is the heart failure, the presence of both is called Cardiorespiratory Failure. In patients with this condition, the presence of depression is common, and this can lead to complications in the treatment such in the patient’s quality of life, even raising the mortality rate. Nevertheless, there are few researches that explore the factors that predict this comorbidity. Aim: To research the predictive factors of depression in patients with cardiorespiratory failure. Methods: A descriptive cross-sectional study was conducted, involving 83 patients with cardiorespiratory failure. The following test was used: SF-12 Questionnaire for evaluating the quality life, the Hospital Anxiety and Depression Scale (HADS), the Montreal Cognitive Assessment (MoCA) for evaluated the cognitive impairment, the Psychological Well-being Scale. A multiple regression model analysis was performed by means of the SPSS software version 25. Results: The age’s average was 67±14 years old, 55.42% were men. The regression model (F (3, 51) = 51.20, p < .001, R2 = .62) that includes: psychological well-being (t= -6.3, p= .000, β= -.441), cognitive impairment (t= -3.7, p= .000, β = -2.45), and anxiety (t= 5.8, p= .000, β = .414), they explain 62% of the total variance of the model, over the others variables clinic and psychological adjusted for age and sex. Conclusions: The present research shows that the psychological well-being, the cognitive impairment and the anxiety influence in the depression prevalence in these patients, beyond medical factors. Hence is important a multidisciplinary treatment focused on the management of these factors.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,251
Écart entre enseignants0,245 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCardiac Health and Mental Health→Travaux en français237 207→