MétaCan
Menu
Retour à la cohorte
Enregistrement W4400024708 · doi:10.17615/zrfp-g315

Probability of major depression diagnostic classification using semi-structured versus fully structured diagnostic interviews

2024· article· en· W4400024708 sur OpenAlexfundno aff
Catherine G. Greeno, Yeates Conwell, Murray Baron, J Hambridge, Rushina Cholera, Vikram Patel, Lesley Stafford, Thomas Hyphantis, Mohamad Ebrahim Khamseh, Manote Lotrakul, David Fung, Felicity Goodyear‐Smith, Yao Zhang, Tiago N. Munhoz, Kira E. Riehm, Navid Saadat, Leanne Hides, Masatoshi Inagaki, Mitsuhiko Yamada, Nathalie Jetté, Sônia Regina Loureiro, Jesse R. Fann, Mary A. Whooley, Tiago Arruda Sanchez, Laura Marsh, Shuang Liu, Bizu Gelaye, Jennifer White, Stevan E. Hobfoll, R. Steele, Ian Shrier, Charles H. Bombardier, Anthony McGuire, J.A. Delgadillo, Alasdair G Rooney, Philippe Persoons, Marleine Azar, Femke Lamers, G Carter, Dickens H. Akena, Hamid Reza Baradaran, Neerja Chowdhary, Juwita Shaaban, Bernd Löwe, Flávia de Lima Osório, Bruce Arroll, Sharon C. Sung, Kerrie Clover, Kim M. Kiely, Paul A. Vöhringer, B.J Hall, Angelo Picardi, Brooke Levis, Matthew J. Chiovitti, Marie Hudson, Peter Butterworth, John P. A. Ioannidis, Marcos Hortes Nisihara Chagas, Iná S. Santos, Kumiko Muramatsu, Dean McMillan, Alyna Turner, Khalida Ismail, Benjamin Fischler, Andrea Benedetti, Ulrich Hegerl, Lorie A. Kloda, Kirsty Winkley, Simon Gilbody, Pim Cuijpers, Roy C. Ziegelstein, F.H Fischer, Juliana C.N. Chan, Adam Simning, Christina M. van der Feltz‐Cornelis, Danielle B. Rice, Scott B. Patten, A.H. Levis, Henk van Weert, Anna Beraldi, Janneke M. de Man‐van Ginkel, P. A. Harrison, B.W Pence, Sherina Mohd Sidik, Abbey Sidebottom, Pei Lin Lynnette Tan, Liat Ayalon, Brett D. Thombs

Notice bibliographique

RevueUNC Libraries · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Mental HealthMedical Research CouncilNational Center for Medical Rehabilitation ResearchFonds de Recherche du Québec - SantéFogarty International CenterCanadian Institutes of Health ResearchCanadian Arthritis NetworkHealth Resources and Services AdministrationNational Institutes of HealthH. Lundbeck A/SSafe Work AustraliaHealth Research Council of New ZealandNational Health Research InstitutesMahidol UniversityUniversiti Putra MalaysiaConselho Nacional de Desenvolvimento Científico e TecnológicoUniversity of WashingtonMinistry of Health, Labour and WelfareAlberta Health ServicesJewish General HospitalBundesministerium für Bildung und ForschungTehran University of Medical Sciences and Health ServicesZonMwUniversität HeidelbergCenters for Disease Control and PreventionBanco SantanderNational Health and Medical Research CouncilUniversidade de São PauloEuropean CommissionUniversiti Sains MalaysiaInnovatiefonds ZorgverzekeraarsOhio Board of RegentsFundação de Amparo à Pesquisa do Estado do Rio Grande do SulNational Institute on Disability and Rehabilitation ResearchAgency for Healthcare Research and QualityMinistero della SalutePfizerUniversidade de MacauUniversity of AucklandU.S. Department of Health and Human Services
Mots-clésDepression (economics)PsychologyNatural language processingComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: Different diagnostic interviews are used as reference standards for major depression classification in research. Semi-structured interviews involve clinical judgement, whereas fully structured interviews are completely scripted. The Mini International Neuropsychiatric Interview (MINI), a brief fully structured interview, is also sometimes used. It is not known whether interview method is associated with probability of major depression classification. Aims: To evaluate the association between interview method and odds of major depression classification, controlling for depressive symptom scores and participant characteristics. Method: Data collected for an individual participant data meta-analysis of Patient Health Questionnaire-9 (PHQ-9) diagnostic accuracy were analysed and binomial generalised linear mixed models were fit. Results: A total of 17 158 participants (2287 with major depression) from 57 primary studies were analysed. Among fully structured interviews, odds of major depression were higher for the MINI compared with the Composite International Diagnostic Interview (CIDI) (odds ratio (OR) = 2.10; 95% CI = 1.15-3.87). Compared with semi-structured interviews, fully structured interviews (MINI excluded) were non-significantly more likely to classify participants with low-level depressive symptoms (PHQ-9 scores ≤6) as having major depression (OR = 3.13; 95% CI = 0.98-10.00), similarly likely for moderate-level symptoms (PHQ-9 scores 7-15) (OR = 0.96; 95% CI = 0.56-1.66) and significantly less likely for high-level symptoms (PHQ-9 scores ≥16) (OR = 0.50; 95% CI = 0.26-0.97). Conclusions: The MINI may identify more people as depressed than the CIDI, and semi-structured and fully structured interviews may not be interchangeable methods, but these results should be replicated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,162
Tête enseignante GPT0,401
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetMental Health Research TopicsTravaux en français237 207