Evaluation of the prevalence of the most common psychiatric disorders in patients with type 2 diabetes mellitus using the patient health questionnaire: results of the cross-sectional “DIA2PSI” study
Notice bibliographique
Résumé
AIMS: Common Psychiatric Disorders (CPDs) are associated with the development of overweight and obesity, the strongest risk factors for the onset and maintenance of Type 2 Diabetes mellitus (T2D). To the best of our knowledge, this is the first study to assess the prevalence of CPDs in patients with T2D in Italy. METHODS: This is a monocentric cross-sectional study; n = 184 T2D patients were screened for CPDs using the Patient Health Questionnaire (PHQ). Primary outcome was to evaluate the prevalence of CPDs. To assess association between CPDs and risk factors, we have utilized univariable logistic regression models. RESULTS: . The 42.9% tested positive for one or more mental disorders, 25.6% for depression. Patients with higher BMI (p = 0.04) had an increased likelihood of testing positive to the PHQ. Patients who had implemented lifestyle changes (p < 0.01) and were aware that mental health is linked to body health (p = 0.07) had a reduction in the likelihood of testing positive. CONCLUSIONS: Prevalence of CPDs in T2D patients is higher than in the general population. Since CPDs favor the onset and subsistence of T2D, integrated diabetic-psychiatric therapy is required for improvement or remission of T2D in patients with comorbid CPDs.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».