MétaCan
Menu
Retour à la cohorte
Enregistrement W3033159611 · doi:10.1186/s12889-020-08983-0

The relationship between depression risk perception and self-help behaviours in high risk Canadians: a cross-sectional study

2020· article· en· W3033159611 sur OpenAlexafffund
Emily Warner, Molly Nannarone, Rachel Smail-Crevier, Douglas G. Manuel, Bonnie Lashewicz, Scott B. Patten, Norbert Schmitz, Glenda MacQueen, JianLi Wang

Notice bibliographique

RevueBMC Public Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of CalgaryRoyal Ottawa Mental Health CentreMcGill UniversityOttawa HospitalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBiostatisticsMedicineRisk perceptionDepression (economics)FeelingPerceptionClinical psychologyRisk assessmentEpidemiologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Self-help may reduce the risk of depression, and risk perception of depression may influence initiating self-help. It is unknown how risk perception is associated with self-help behaviours. The objectives of this study are to (1) describe the self-help strategies used by high-risk Canadians in relation to the accuracy of perceived depression risk, by sex, and (2) identify demographic and clinical factors associated with self-help behaviours. METHODS: Baseline data from a randomized controlled trial including 358 men and 356 women at high-risk of developing depression were used. Following methods used in cancer research, risk perception accuracy was determined by comparing the participant's self-perceived and objective risk of developing depression and classifying as accurate, over-estimation and under-estimation based on a ± 10% threshold. The participant's objective depression risk was assessed using sex-specific multivariable risk predictive algorithms. Frequency of using 14 self-help strategies was assessed. One-way ANOVA testing was used to detect if differences in risk perception accuracy groups existed, stratified by sex. Linear regression was used to investigate the clinical and demographic factors associated with self-help behaviours, also stratified. RESULTS: Compared to accurate-estimators, male over-estimators were less likely to "leave the house daily," and "participate in activities they enjoy." Male under-estimators were also less likely to "participate in activities they enjoy." Both male 'inaccurate' perception groups were more likely to 'create lists of strategies which have worked for feelings of depression in the past and use them'. There were no significant differences between self-help behaviours and risk perception accuracy in women. Regression modeling showed negative relationships between self-rated health and self-help scores, irrespective of sex. In women, self-help score was positively associated with age and educational attainment, and negatively associated with perceived risk. In men, a positive relationship with unemployment was also seen. CONCLUSIONS: Sex differences exist in the factors associated with self-help. Risk perception accuracy, work status, and self-rated health is associated with self-help behaviours in high-risk men. In women, factors related to self-help included age, education, self-rated health status, and perceived risk. More research is needed to replicate findings. TRIAL REGISTRATION: Prospectively registered at ClinicalTrials.gov (NCT02943876) as of 10/21/16.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,054
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,286
Tête enseignante GPT0,446
Écart entre enseignants0,160 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetMental Health and Patient InvolvementTravaux en français237 207