Evaluation of a novel instrument for detecting bipolar disorders in China: The Rapid Mood Screener (RMS)
Notice bibliographique
Résumé
OBJECTIVE: Bipolar disorder is easily misdiagnosed with major depressive disorder (MDD). The Rapid Mood Screener (RMS) was developed to address this unmet clinical need. This study aims to translate and evaluated the reliability and validity of the RMS in Chinese adults with bipolar I/II disorder (BD-I/II). METHODS: Brislin's translation and Delphi method were conducted to formulate the RMS-Chinses version (RMS-C). Patients with MDD (N = 99), BD-I (N = 77) and BD-II (N = 78) were included to assess the validity and reliability of RMS-C. The area under the curve (AUC) was computed to ascertain the ability of the Mood Disorder Questionnaire (MDQ) and RMS-C to distinguish BD-I and BD-II from MDD. The optimal cut-off scores for classification were also calculated by the maximum sensitivity and specificity. RESULTS: The intraclass correlation coefficient of the RMS-C was 0.82 (95%CI, 0.71-0.89). The content validity index by six items were 0.71, 0.86, 1.00, 0.86, 1.00, and 1.00 in turn, and by scales was 0.90. The AUCs of the RMS-C in both BD-I/II, BD-I alone and BD-II alone were 0.83 (95 % CI, 0.78-0.89), 0.82 (95 % CI, 0.75-0.89) and 0.85 (95 % CI, 0.79-0.91), respectively, and were comparably to the MDQ. The optimal RMS-C values of the presence of BD-I and BD-II were >4 and 3, respectively. CONCLUSION: The RMS-C is a valid, simple self-administer screening tool to help identify BD-I or BD-II in persons experiencing a depressive episode. Validating the impact of screening with the RMS-C on health outcomes and health economics is warranted.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».