The factor structure of the Patient Health Questionnaire-9 in stroke: A comparison with a non-stroke population
Notice bibliographique
Résumé
BACKGROUND: It is unclear if certain post-stroke somatic symptoms load onto items of the Patient Health Questionnaire-9 (PHQ-9), a self-report depression questionnaire. We investigated these concerns in a stroke sample using factor analysis, benchmarked against a non-stroke comparison group. METHODS: The secondary dataset constituted 787 stroke and 12,016 non-stroke participants. A subsample of 1574 comparison participants was selected via propensity score matching. Dimensionality was assessed by comparing fit statistics of one-factor, two-factor, and bi-factor models. Between-group differences in factor structure were explored using measurement invariance. RESULTS: A two-factor model, consisting of somatic and cognitive-affective factors, showed better fit than the unidimensional model (CFI = 0.984 versus CFI = 0.974, p < .001), but the high correlation between the factors indicated unidimensionality (r = 0.866). Configural invariance between stroke and non-stroke was supported (CFI = 0.983, RMSEA = 0.080), as were invariant thresholds (p = .092) and loadings (p = .103). Strong invariance was violated (p < .001, ΔCFI = -0.003), stemming from differences in the tiredness and appetite intercepts. These differences resulted in a moderate overestimation of depression in stroke when using a summed score approach, relative to the comparison sample (Cohen's d = 0.434). CONCLUSIONS: The findings suggest that the PHQ-9 measures a single factor in stroke. Because stroke patients may report higher tiredness on item 4, caution is advisable when classifying patients as depressed if they are near the cut-off and have significant post-stroke fatigue. Caution is also advised when comparing total scores between stroke and other populations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».