Unraveling the Complex Relationships Between Anxiety, Depression, and Quality of Life in Schizophrenia: A Network Analysis Study
Notice bibliographique
Résumé
Abstract Background Schizophrenia, a debilitating mental disorder, impacts cognitive, behavioral, and emotional functions. Co-occurring anxiety and depression worsen its complexity and diminish patients' quality of life. This study uses a network analysis approach to explore the relationships among anxiety, depression, and quality of life in hospitalized schizophrenia patients. Methods Cross-sectional study on 1328 inpatients with schizophrenia. Data included demographics, clinical details, and self-reported depression (HAMD-17), anxiety (HAMA-14), and quality of life (SQLS-R4). Network analysis employed Gaussian graphical models and Lasso for sparse network estimation. Results The analysis revealed hopelessness as the central node in quality of life, emphasizing its role in overall well-being. Somatic anxiety emerged as the central node in depression, highlighting the need to address somatic symptoms. Sleep disturbances were prominent central nodes in anxiety, indicating the need for targeted interventions. Discussion This study provides valuable insights into the relationships between anxiety, depression, and quality of life in inpatient schizophrenia populations. Addressing key symptoms such as hopelessness, somatic anxiety, and sleep disturbances can significantly improve overall well-being. Integrated interventions for anxiety and depression, along with comprehensive strategies addressing psychosocial factors, are crucial for optimizing therapeutic outcomes and enhancing quality of life in individuals with schizophrenia.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».