Lam Employment Absence and Productivity Scale (LEAPS): Analysis of the minimal clinically important difference (MCID) in patients with major depressive disorder using data from the CAN-BIND-1 study
Notice bibliographique
Résumé
OBJECTIVES: Major depressive disorder (MDD) is associated with significant impairment in occupational functioning. The Lam Employment Absence and Productivity Scale (LEAPS) is a self-report questionnaire validated for the assessment of work productivity and absenteeism in patients with MDD. Our study objective was to establish a minimal clinically important difference (MCID) for the LEAPS.METHODS: Data from the Canadian Biomarker Integration Network in Depression (CAN-BIND)-1 study was used. CAN-BIND-1 involved participants with MDD treated with escitalopram for 8 weeks (n=138). Assessments included the LEAPS, Sheehan Disability Scale (SDS), and Quick Inventory of Depressive Symptomatology-Self-Rated (QIDS-SR). The MCID for the LEAPS was calculated using both distribution (value equivalent to half the standard deviation for LEAPS baseline scores) and anchor-based (comparing to the SDS work item) methods. RESULTS: The LEAPS total score was significantly correlated (p<0.01) with other measures including SDS work item (r=0.598), SDS total score (r=0.609), and QIDS-SR (r=0.678). Using the distribution-based method, the MCID value for LEAPS total score was 3.0 and MCID for LEAPS productivity subscale score was 1.5. Using the anchor-based method, the MCID value for the LEAPS total score was shown to lie between 2.7 and 3.5 and for the LEAPS productivity subscale score between 0.9 and 1.4. CONCLUSIONS: Establishing an MCID is important for determining clinically relevant change in the LEAPS, both for treatment studies and for individual patients in clinical care. For clinical use, the proposed MCID is 3 points for the LEAPS total score and 2 points for the LEAPS productivity subscale score.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».