MétaCan
Menu
Retour à la cohorte
Enregistrement W4289261946 · doi:10.21203/rs.3.rs-1891863/v1

Association between Childhood Trauma and Medication Adherence among Patients with Major Depressive Disorder: The Moderating Role of Resilience

2022· preprint· en· W4289261946 sur OpenAlexaff
Hongqiong Wang, Yuhua Liao, Lan Guo, Huimin Zhang, Yingli Zhang, Wenjian Lai, Kayla M. Teopiz, Weidong Song, Dongjian Zhu, Lingjiang Li, Ciyong Lu, Beifang Fan, Roger S. McIntyre

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCTQ treeMedicineMajor depressive disorderPsychiatryDepression (economics)Clinical psychologySuicidal ideationPoison controlInjury preventionMoodDomestic violence

Résumé

récupéré en direct d'OpenAlex

Abstract Background Medication adherence among patients with major depressive disorder (MDD) is a major and modifiable problem for health care systems. Childhood trauma is considered a vital factor that might be helpful to the early risk assessment of suboptimal adherence. We aimed to comprehensively explore the associations between different types of childhood trauma and medication adherence among patients with MDD, and to test whether measure of resilience has moderating effects on the foregoing associations. Methods Participants were from the Depression Cohort in China (ChiCTR registry number 1900022145), 282 patients with MDD completed the 12 weeks study. The diagnosis of MDD was assessed by trained psychiatrists using the Mini-International Neuropsychiatric Interview (M.I.N.I.). Childhood trauma was evaluated using the Childhood Trauma Questionnaire-28 item Short Form (CTQ-SF), resilience was evaluated using the Connor-Davidson Resilience Scale (CD-RISC). Demographic characteristics, depression symptoms, anxiety symptoms, suicidal ideation, suicidal attempt, insomnia symptoms, and painful somatic symptoms were also investigated. Participants were divided into groups of optimal and suboptimal adherence based on their scores on the Medication Adherence Rating Scale, and factors associated with medication adherence using univariate and multivariate logistic regression, and stratified analyses were evaluated. Results A total of 234 participants (83%) reported suboptimal medication adherence. After adjusting for covariates, CTQ total scores (AOR = 1.04, 95%CI = 1.01–1.06), CTQ measures of sexual abuse (AOR = 1.23, 95%CI = 1.07–1.42), and CTQ measures of physical neglect (AOR = 1.14, 95%CI = 1.04–1.12) were all associated with an increased likelihood of suboptimal adherence. There were significant moderating effects of resilience on the associations of childhood trauma (P = 0.039) and physical neglect (P = 0.034) with medication adherence. The stratification analyses showed that CTQ total scores and CTQ measures of physical neglect were independently associated with an increased risk of suboptimal adherence among patients with MDD with low-resilience or medium-resilience, while not significantly associated with suboptimal adherence in those with high-resilience. Conclusion Obtaining a history of childhood trauma and assessing resilience may help identify patients with suboptimal adherence when providing MDD pharmacotherapy. Psychiatrists may consider enhancing resilience to cope with the adverse effects of childhood trauma on medication adherence.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,423
Écart entre enseignants0,377 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207