Diabetes Distress, Depressive Symptoms, and Anxiety Symptoms in People With Type 2 Diabetes: A Network Analysis Approach to Understanding Comorbidity
Notice bibliographique
Résumé
OBJECTIVE: In this study, we aimed to explore interactions between individual items that assess diabetes distress, depressive symptoms, and anxiety symptoms in a cohort of adults with type 2 diabetes using network analysis. RESEARCH DESIGN AND METHODS: Participants (N = 1,796) were from the Montreal Evaluation of Diabetes Treatment (EDIT) study from Quebec, Canada. A network of diabetes distress was estimated using the 17 items of the Diabetes Distress Scale (DDS-17). A second network was estimated using the DDS-17 items, the nine items of the Patient Health Questionnaire (PHQ-9), and the seven items of the Generalized Anxiety Disorder Assessment (GAD-7). Network analysis was used to identify central items, clusters of items, and items that may act as bridges between diabetes distress, depressive symptoms, and anxiety symptoms. RESULTS: Regimen-related and physician-related problems were among the most central (highly connected) and influential (most positive connections) in the diabetes distress network. The depressive symptom of failure was found to be a potential bridge between depression and diabetes distress, being highly connected to diabetes distress items. The anxiety symptoms of worrying too much, uncontrollable worry, and trouble relaxing were identified as bridges linking both anxiety and depressive items and anxiety and diabetes distress items, respectively. CONCLUSIONS: Regimen-related and physician-related diabetes-specific problems may be important in contributing to the development and maintenance of diabetes distress. Feelings of failure and worry are potentially strong candidates for explaining comorbidity. These individual diabetes-specific problems and mental health symptoms could hold promise for targeted interventions for people with type 2 diabetes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 ».