Rasch analyses of the Quick Inventory of Depressive Symptomatology Self-Report in neurodegenerative and major depressive disorders
Notice bibliographique
Résumé
Background: Symptoms of depression are present in neurodegenerative disorders (ND). It is important that depression-related symptoms be adequately screened and monitored in persons living with ND. The Quick Inventory of Depressive Symptomatology Self-Report (QIDS-SR) is a widely-used self-report measure to assess and monitor depressive severity across different patient populations. However, the measurement properties of the QIDS-SR have not been assessed in ND. Aim: To use Rasch Measurement Theory to assess the measurement properties of the Quick Inventory of Depressive Symptomatology Self-Report (QIDS-SR) in ND and in comparison to major depressive disorder (MDD). Methods: De-identified data from the Ontario Neurodegenerative Disease Research Initiative (NCT04104373) and Canadian Biomarker Integration Network in Depression (NCT01655706) were used in the analyses. Five hundred and twenty participants with ND (Alzheimer's disease or mild cognitive impairment, amyotrophic lateral sclerosis, cerebrovascular disease, frontotemporal dementia and Parkinson's disease) and 117 participants with major depressive disorder (MDD) were administered the QIDS-SR. Rasch Measurement Theory was used to assess measurement properties of the QIDS-SR, including unidimensionality and item-level fit, category ordering, item targeting, person separation index and reliability and differential item functioning. Results: The QIDS-SR fit well to the Rasch model in ND and MDD, including unidimensionality, satisfactory category ordering and goodness-of-fit. Item-person measures (Wright maps) showed gaps in item difficulties, suggesting poor precision for persons falling between those severity levels. Differences between mean person and item measures in the ND cohort logits suggest that QIDS-SR items target more severe depression than experienced by the ND cohort. Some items showed differential item functioning between cohorts. Conclusion: The present study supports the use of the QIDS-SR in MDD and suggest that the QIDS-SR can be also used to screen for depressive symptoms in persons with ND. However, gaps in item targeting were noted that suggests that the QIDS-SR cannot differentiate participants falling within certain severity levels. Future studies would benefit from examination in a more severely depressed ND cohort, including those with diagnosed clinical depression.
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 | 0,018 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».