Mental health symptoms in scleroderma during COVID-19: a Scleroderma Patient-centred Intervention Network (SPIN) cohort longitudinal study
Notice bibliographique
Résumé
OBJECTIVES: People with systemic sclerosis (SSc) are vulnerable in COVID-19 and face challenges related to shifting COVID-19 risk and protective restrictions. We evaluated mental health symptom trajectories in people with SSc through March 2022. METHODS: The longitudinal Scleroderma Patient-centred Intervention Network (SPIN) COVID-19 cohort was launched in April 2020 and included participants from the ongoing SPIN Cohort and external enrolees. Analyses included estimated means with 95% CIs for anxiety and depression symptoms pre-COVID-19 for ongoing SPIN Cohort participants and anxiety, depression, loneliness, and fear of COVID-19 for all participants across 28 COVID-19 assessments up to March 2022. We conducted sensitivity analyse including estimating trajectories using only responses from participants who completed >90% of items for ≥21 of 28 possible assessments ("completers") and stratified analyses for all outcomes by sex, age, country, and SSc subtype. RESULTS: Anxiety symptoms increased in early 2020 but returned to pre-COVID-19 levels by mid-2020 and remained stable through March 2022. Depression symptoms did not initially change but were slightly lower by mid-2020 compared to pre-COVID-19 and were stable through March 2022. COVID-19 fear started high and decreased. Loneliness did not change across the pandemic. Results were similar for completers and for all subgroups. CONCLUSIONS: People with SSc continue to face COVID-19 challenges related to ongoing risk, the opening of societies, and removal of protective restrictions. People with SSc, in aggregate, appear to be weathering the pandemic well, but health care providers should be mindful that some individuals may benefit from mental health support.
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 | 0,000 |
| 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 ».