Two-step screening for depressive symptoms in patients treated with kidney replacement therapies: a cross-sectional analysis
Notice bibliographique
Résumé
BACKGROUND: Systematic screening for depressive symptoms may identify patients who may benefit from clinical assessment and psychosocial support. Here we assess a two-step screening using ultrabrief pre-screeners [Edmonton Symptom Assessment Survey-revised Depression item (ESASr-D) or Patient Health Questionnaire-2 (PHQ-2)] followed by the Patient-Reported Outcomes Measurement Information System Depression questionnaire (PROMIS-D) to identify depressive symptoms in patients on kidney replacement therapies. METHODS: We conducted a cross-sectional study of adults (kidney transplant recipients or treated with dialysis) in Toronto, ON, Canada. We simulated various two-step screening scenarios where only patients above a pre-screening cut-off score on the ESASr-D or PHQ-2 would move to step 2 (PROMIS-D). Screening performance was evaluated by sensitivity, specificity and positive and negative predictive values using the Patient Health Questionnaire-9 (PHQ-9) as the referent. The average number of items completed by patients in different scenarios was reported. RESULTS: Of 480 participants, 60% were male with a mean age of 55 years. Based on PHQ-9, 19% of patients had moderate or severe depressive symptoms. Pre-screening with a PHQ-2 score ≥1 combined with a PROMIS-D score of ≥53 provided the best two-step results (sensitivity 0.81, specificity 0.84, NPV 0.95). Two-step screening also reduces question burden. CONCLUSIONS: A two-step screening using a PHQ-2 score ≥1 followed by a PROMIS-D score ≥53 has good sensitivity and specificity for identifying potentially significant depressive symptoms among patients on kidney replacement therapies. This approach has lower question burden. Screened-in patients will need further clinical assessment to establish a diagnosis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».