Impact of psychological characteristics in self-management in individuals with traumatic spinal cord injury
Notice bibliographique
Résumé
STUDY DESIGN: Cross-sectional survey. OBJECTIVE: To examine the association between psychological characteristics in self-management and probable depression status in individuals with a traumatic spinal cord injury (SCI). SETTING: Community-dwelling individuals with traumatic SCI living across Canada. METHODS: Individuals with SCI were recruited by email via the Rick Hansen Institute as well as an outpatient hospital spinal clinic. Data were collected by self-report using an online survey. Standardized questionnaires were embedded within a larger survey and included the Hospital Anxiety and Depression Scale (HADS), the short version of the Patient Activation Measure (PAM), the Moorong Self-Efficacy Scale (MSES) and the Pearlin-Schooler Mastery Scale (PMS). RESULTS: Individuals with probable depression (n=25) had lower self-efficacy (67.9 vs 94.2, P<0.0001), mastery (18.9 vs 22.9, P<0.0001) and patient activation (60.4 vs 71.6, P<0.0001) as well as higher anxiety (9.0 vs 5.5, P<0.0001), compared with their non-depressed counterparts (n=75). A logistic regression determined that lower self-efficacy and mastery scores as well as less time since injury were associated with depression status (P=0.002; P=0.02 and P=0.02, respectively). Individuals with higher anxiety scores were almost 1.5 times more likely to be depressed, while older age was positively associated with depression status (P=0.016 and P=0.024, respectively). CONCLUSION: Interventions for depression in SCI, including a self-management program, should target factors such as self-efficacy and mastery, which could improve secondary medical complications and overall quality of life.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».