Factor structure of the BDI-II in Parkinson’s disease.
Notice bibliographique
Résumé
OBJECTIVE: There is substantial heterogeneity in depressive symptomology for individuals with Parkinson's disease (PD). It is unknown whether the Beck Depression Inventory-Second Edition (BDI-II) is capable of identifying such phenotypic variations of depression. METHOD: We investigated the factor structure of the BDI-II and its associations with demographic characteristics and other nonmotor symptoms in PD. We reviewed the cases of 236 patients with a confirmed PD diagnosis. Evaluations included the BDI-II, Montreal Cognitive Assessment (MoCA), Apathy Scale (AS), and Geriatric Anxiety Inventory (GAI). We used exploratory structural equation modeling (ESEM) with target rotations as this method integrates aspects of exploratory and confirmatory factor analysis. We conducted hierarchical regressions to assess for associations between the BDI-II factors and gender, age, education, disease duration, cognition, anxiety, and apathy. RESULTS: ESEM supported the retention of a Somatic factor and an Affective factor that accounted for 53% of the model variance. Model goodness-of-fit measures were within normal limits. Higher AS scores were positively associated with the Somatic and Affective factors. Higher GAI scores were positively associated only with the Affective factor. There were no other significant relationships with factor scores. CONCLUSIONS: This study supports the retention of a two-factor model of the BDI-II in PD. These unique clusters of depressive symptoms in PD can be used to guide clinical decisions about the need for further psychiatric evaluation and the appropriateness of different therapeutic interventions. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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) | 0,001 | 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 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 ».