Factors associated with Health-Related Quality of Life in Hispanic population with mental disorders using medical expenditure panel survey 2013-2017
Notice bibliographique
Résumé
There is a lack of U.S. population-based research surrounding the marked decrease in health-related quality of life (HRQoL) caused by the morbidity of mental disorders in the U.S. Hispanic demographic. This cross-sectional study utilized data from the 2013-2017 Medical Expenditure Panel Survey (MEPS) to identify Hispanic community-dwelling residents with mental disorders in the U.S. The independent variable was the presence of mental disorders, and the dependent variable was HRQoL. HRQoL was measured with the Short Form 12 (SF-12) Physical Health Composite Scale (PCS) and Mental Health Composite Scale (MCS). A total of 34,434 patients met the inclusion criteria, representing about 38,683,299 Hispanic individuals. Of this group, those older than 18 were stratified by the presence of mental disorders. The two groups were those with mental disorders: 4,122 individuals representing a sample size of 4,789,634; and those without mental disorders: 30,312 individuals representing a sample size of 33,893,665. Based on our study, Hispanic patients with mental disorders were associated with lower HRQoL scores. SF-12 PCS scores (95% CI) were 45.3 (44.5, 46.1) for those with mental disorders and 50.8 (50.5, 51.0) for those without mental disorders. SF-12 MCS scores (95% CI) were 42.6 (42, 43.3) in patients with mental disorders and 52.6 (52.3, 52.8) in patients without mental disorders. These differences in scores denote the impact of mental health disorders on HRQoL scores in the Hispanic demographic and mark the way for further research on identifying means of improving such scores for Hispanic patients.
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 | 0,002 | 0,002 |
| 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) | 0,000 | 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 ».