Examining the Relationship Between Alopecia Areata and Mental Health: An Investigation of the Global Burden of Disease Study 2021
Notice bibliographique
Résumé
BACKGROUND: Alopecia areata (AA), an autoimmune hair loss disorder, can significantly alter a person's appearance and cause emotional distress. This disorder has been linked to anxiety and depression, but most work has been done on either one-population samples or has been conducted using heterogeneous populations, potentially skewing results. AIMS: We aim to obtain a better understanding of the relationship of AA with anxiety and depression in more finely divided populations based on sex, age, and country. METHODS: We have accessed data present on AA, anxiety and depressive disorders within the Global Burden of Disease Study 2021. We downloaded data from China, Japan, India, Brazil and the United States for males and females less than 20, 20 to 54 and 55 years of age and older. We extracted the prevalence and years lived with disability (YLDs) measures as surrogate markers for extent and severity of disease respectively. Pearson's correlation coefficient was calculated for both prevalence and YLDs for AA versus anxiety as well as for AA versus depression. RESULTS: We found significant positive correlations of AA with anxiety and depression in females: primarily in China, Japan, India, and Brazil for anxiety, and China, India, and Brazil for depression. Additionally, significant correlations tended to occur in younger females. CONCLUSIONS: This study demonstrates differences in the correlation of AA disease extent and severity with anxiety and depression between countries, sex, and age. This highlights the need for more finely detailed studies to truly determine the impact of AA on mental health globally.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».