Psychosocial burden and the impact of illness perceptions and stigma on quality of life, anxiety and depression in alopecia areata: results from the Alopecia + Me study
Notice bibliographique
Résumé
BACKGROUND: Alopecia areata (AA) can significantly impact patients' quality of life (QoL) and mental health, leading to increased levels of anxiety and depression. It is unclear whether this impact is more strongly associated with disease severity or patients' disease perception, and which patients are more likely to have a greater psychological burden. OBJECTIVES: To examine the psychosocial impact of AA, while focusing on illness perceptions and stigma, aiming to identify high-risk subgroups and key perceptions linked to worse QoL, anxiety and depression. METHODS: This was a UK cross-sectional online study. It comprised 596 patients with AA who self-reported disease severity and completed the Dermatology Life Quality Index (DLQI), EuroQol 5-Dimensional 5-Level (EQ-5D-5L), Hospital Anxiety and Depression Scale (HADS), Stigma Scale for Chronic Illnesses 8-Item (SSCI-8) and Brief Illness Perception Questionnaire (BIPQ). RESULTS: Patients with AA perceived their condition as chronic and life-impacting, with limited personal or treatment control, significant emotional effects and high concern. Many patients reported high levels of anxiety, depression, stigma and impaired QoL, all strongly associated with illness perceptions. Hierarchical regression analyses showed that illness perceptions and stigma explained a higher proportion of variance in QoL, anxiety and depression than disease severity. Cluster analysis identified two distinct patient groups based on illness perceptions, with different levels of QoL, anxiety, depression and stigma. CONCLUSIONS: AA has a severe psychosocial impact, more strongly linked to patients' illness perceptions and stigma than disease severity. The identification of two distinct patient profiles based on illness perceptions reveals differences in psychosocial burden, highlighting those at risk of worse outcomes and underscoring the value of evaluating illness perceptions along with stigma in clinical practice to improve patient outcomes.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».