Anxiety and depression prevalence and associated factors in patients with knee osteoarthritis
Notice bibliographique
Résumé
Objective With the evolving spectrum of diseases, psychological conditions such as anxiety and depression have emerged as significant global public health concerns. Notably, these psychological disorders are prevalent among patients suffering from knee osteoarthritis (KOA). Consequently, this study included 360 hospitalized patients diagnosed with KOA to examine their levels of anxiety and depression and to analyze the factors influencing these psychological states. Methods A cohort of KOA patients from the Second Hospital of Shanxi Medical University was assessed using a general condition questionnaire, European five-dimensional health status scale (EQ5D), Western Ontario and McMaster University Osteoarthritis (WOMAC), Social Support Rating Scale (SSRS), and Hospital Anxiety and Depression Scale (HADS). Logistic regression analysis was employed to identify the factors affecting anxiety and depression. Results Among 360 patients with KOA, 28.06% experienced anxiety, and 30.27% experienced depression. Multivariate logistic regression analysis showed that lower BMI, QOL, and utilization of social support scores are risk factors for anxiety and depression in KOA patients (P<0.05). Additionally, in patients with KOA, younger age, lower subjective support, and higher scores in function and daily activities emerged as significant risk factors for depression (P<0.05). Conclusion Anxiety and depression in patients with KOA warrant significant attention due to their impact on overall well-being. The factors influencing these mental health conditions are multidimensional. In clinical practice, it is essential to integrate these various influencing factors to develop targeted mental health care services. By doing so, healthcare providers can enhance the overall mental health and QOL for individuals suffering from KOA.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».