MétaCan
Menu
← Retour à la cohorte
Enregistrement W4247975614 · doi:10.32920/14637486.v1

Assessing depression symptoms in those with insomnia: An examination of the Beck Depression Inventory Second Edition (BDI-II)

2021· preprint· en· W4247975614 sur OpenAlexaff
Colleen E. Carney, Christi S. Ulmer, Jack D. Edinger, Andrew D. Krystal, Faye Knauss

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Institute of Mental HealthNational Sleep Foundation
Mots-clésIrritabilityBeck Depression InventoryInsomniaDepression (economics)PsychologyMajor depressive disorderPsychiatryReceiver operating characteristicMultivariate analysis of variancePopulationClinical psychologySleep disorderInternal medicineMedicineMoodAnxiety

Résumé

récupéré en direct d'OpenAlex

Background: Due to concerns about overlapping symptomatology between medical conditions and depression, the validity of the Beck Depression Inventory (BDI-II) has been assessed in various medical populations. Although Major Depressive Disorder (MDD) and Primary Insomnia (PI) share some daytime symptoms, the BDI-II has not been evaluated for use with insomnia patients. Method Participants (N = 140) were screened for the presence of insomnia using the Duke Structured Clinical Interview for Sleep Disorders (DSISD), and evaluated for diagnosis of MDD using the Structured Clinical Interview for DSM-IV-TR (SCID). Participants’ mean BDI-II item responses were compared across two groups [insomnia with or without MDD) using multivariate analysis of variance (MANOVA), and the accuracy rates of suggested clinical cutoffs for the BDI-II were evaluated using a Receiver Operating Characteristic (ROC) curve analysis. Results The insomnia with depression group had significantly higher scores on several items; however, the groups did not differ on insomnia, fatigue, concentration problems, irritability, libido, increased appetite, and thoughts relating to suicide, self-criticism and punishment items. The ROC curve analysis revealed moderate accuracy for the BDI-II’s identification of depression in those with insomnia. The suggested BDI cutoff of ≥ 17 had 81% sensitivity and 79% specificity. Use of the mild cutoff for depression (≥14) had high sensitivity (91%) but poor specificity (66%). Conclusion Several items on the BDI-II might reflect sleep disturbance symptoms rather than depression per se. The recommended BDI-II cutoffs in this population have some support but a lower cutoff could result in an overclassification of depression in insomnia patients, a documented problem in the clinical literature. Understanding which items discriminate insomnia patients without depression may help address this nosological issue.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,307
Écart entre enseignants0,285 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSleep and related disorders→Travaux en français237 207→