General disease factor: evidence of a unifying dimension across mental and physical illness in children and adolescents
Notice bibliographique
Résumé
Background Understanding the relationship between mental and physical health conditions is crucial for developing comprehensive healthcare strategies. The putative existence of a general disease factor ( d-factor ) that underlies the vulnerability to both physical and mental conditions could have important implications for our approach to health assessment and treatment. Objective To investigate the presence and characteristics of a general d-factor in children and adolescents. Methods This Swedish registry-based cross-sectional study included children and adolescents born between 1996 and 2003 with follow-up until 2013. We extracted data on 25 mental and physical health conditions according to the ICD-10 system. To determine the optimal dimensional structure of these conditions, several competing measurement models were tested, including correlated factors, one factor, various bifactor specifications and bifactor exploratory structural equation modelling (ESEM). Findings The study cohort included 776 667 individuals (mean age 13.96 years, IQR=11.96–16.04; 51% male). The bifactor ESEM model, including a general d-factor and specific mental and physical health factors, provided the best fit to the data compared to alternative models (Comparative Fit Index=0.971, Tucker-Lewis Index=0.962, root mean square error of approximation=0.007 (0.007–0.007)). The d-factor accounted for substantial variance (ω h =0.582, explained common variance (ECV)=0.498), while specific mental (ω hs =0.377, ECV=0.373) and physical (ω hs =0.423; ECV=0.130) factors also indicated additional significant unique contributions. Conclusions This study provided evidence for a multidimensional structure of health in children and adolescents, characterised by a general d-factor underlying both mental and physical conditions, alongside distinct domain-specific factors. These findings have important implications for clinical practice, providing evidence that suggests the need for more integrated approaches to health assessment and treatment that consider the interconnectedness of mental and physical health.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».