The association of resilience and positive mental health in systemic sclerosis: A Scleroderma Patient-centered Intervention Network (SPIN) cohort cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: A previous study using Scleroderma Patient-centered Intervention Network (SPIN) Cohort data identified five classes of people with systemic sclerosis (also known as scleroderma) based on patient-reported somatic (fatigue, pain, sleep) and mental health (anxiety, depression) symptoms and compared indicators of disease severity between classes. Across four classes ("low", "normal", "high", "very high"), there were progressively worse somatic and mental health outcomes and greater disease severity. The fifth ("high/low") class, however, was characterized by high disease severity, fatigue, pain, and sleep but low mental health symptoms. We evaluated resilience across classes and compared resilience between classes. METHODS: Cross-sectional study. SPIN Cohort participants completed the 10-item Connor-Davidson-Resilience Scale (CD-RISC) and PROMIS v2.0 domains between August 2022 and January 2023. We used latent profile modeling to identify five classes as in the previous study and multiple linear regression to compare resilience levels across classes, controlling for sociodemographic and disease variables. RESULTS: Mean CD-RISC score (N = 1054 participants) was 27.7 (standard deviation = 7.3). Resilience decreased progressively across "low" to "normal" to "high" to "very high" classes (mean 4.7 points per step). Based on multiple regression, the "high/low" class exhibited higher resilience scores than the "high" class (6.0 points, 95% confidence interval [CI] 4.9 to 7.1 points; standardized mean difference = 0.83, 95% CI 0.67 to 0.98). CONCLUSIONS: People with worse disease severity and patient-reported outcomes reported substantially lower resilience, except a class of people with high disease severity, fatigue, pain, and sleep disturbance but positive mental health and high resilience.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».