Mental Health Care Use and Associated Factors in Systemic Sclerosis: A Scleroderma <scp>Patient‐Centered</scp> Intervention Network Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: Systemic sclerosis (SSc) has significant psychosocial implications. We aimed to evaluate the proportion of participants in a large international SSc cohort who used mental health services in a 3-month period and to evaluate demographic, psychological, and disease-specific factors associated with use. METHODS: Baseline data of participants enrolled in the Scleroderma Patient-Centered Intervention Network Cohort were analyzed. We determined the proportion that used mental health services and the source of services in the 3 months prior to enrollment. Multivariable logistic regression was used to identify variables associated with service use. RESULTS: Of the 2319 participants included in the analysis, 417 (18%) used mental health services in the 3 months prior to enrollment. General practitioners were the most common mental health service providers (59%), followed by psychologists (25%) and psychiatrists (19%). In multivariable analysis, mental health service use was independently associated with higher education (odds ratio [OR] 1.07, 95% confidence interval [CI] 1.03-1.11), smoking (OR 1.06, 95% CI 1.02-1.11), being retired (OR 0.60, 95% CI 0.38-0.93), having limited SSc (OR 1.39, 95% CI 1.02-1.89), and having higher anxiety symptom scores (OR 1.04, 95% CI 1.03-1.06) and lower self-efficacy scores (OR 0.90, 95% CI 0.83-0.97). Variables not significantly associated included age, race, disease manifestations, depression symptom scores, and body image distress. CONCLUSION: About 18% of participants in a large international cohort received mental health services in a 3-month period, of whom the majority received these services from a general practitioner.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».