MétaCan
Menu
Retour à la cohorte
Enregistrement W6939412883 · doi:10.60692/x5ad2-txe52

Depression, anxiety, and associated factors in patients with diabetes: evidence from the anxiety, depression, and personality traits in diabetes mellitus (ADAPT-DM) study

2020· article· en· W6939412883 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensResearch CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAnxietyDepression (economics)Odds ratioBeck Anxiety InventoryNeuroticismBeck Depression InventoryBig Five personality traitsDiabetes mellitusOutpatient clinic

Résumé

récupéré en direct d'OpenAlex

Abstract Background Depression and anxiety are common psychiatric complications affecting patients with diabetes mellitus. However, data on the prevalence of depression, anxiety, and associated factors among Malaysian diabetic patients is scarce. The Anxiety, Depression, and Personality Traits in Diabetes Mellitus (ADAPT-DM) study aimed to determine the prevalence of depression and anxiety, and their associated factors in the Malaysian diabetic population. Methods This cross-sectional study recruited 300 diabetic patients via convenience sampling from the Endocrine outpatient clinic of Universiti Kebangsaan Malaysia Medical Centre, a tertiary referral healthcare facility in Kuala Lumpur. Socio-demographic characteristics and clinical history were obtained from each participant. The Generalised Anxiety Disorder-7 (GAD-7) was administered to assess anxiety symptoms, the Beck Depression Inventory (BDI) to assess depressive symptoms, the Big Five Inventory (BFI) to evaluate personality traits, and the World Health Organization Quality of Life-BREF (WHOQOL-BREF) to measure quality of life (QOL). Stepwise multiple logistic regression analyses were performed to determine the association between various factors, and depression and anxiety. Results The prevalence of depression was 20% ( n = 60) while anxiety was 9% ( n = 27). Co-morbid depression (adjusted odds ratio [OR] = 9.89, 95% confidence interval [CI] = 2.63–37.14, p = 0.001) and neuroticism (adjusted OR = 11.66, 95% CI = 2.69–50.47, p = 0.001) increased the odds of developing anxiety, while conscientiousness (adjusted OR = 0.45, 95% CI = 0.23–0.80, p = 0.004) and greater psychological-related QOL (adjusted OR = 0.47, 95% CI = 0.29–0.75, p = 0.002) were protective. Co-morbid anxiety (adjusted OR = 19.83, 95% CI = 5.63–69.92, p < 0.001) increased the odds of depression, while older age (adjusted OR = 0.96, 95% CI = 0.93–0.98, p = 0.002), social relationship-related QOL (adjusted OR = 0.84, 95% CI = 0.71–.0.99, p = 0.047), and physical health-related QOL (adjusted OR = 0.69, 95% CI = 0.58–0.83, p < 0.001) were protective. Conclusions The study findings signify the need to screen for co-morbid depression and anxiety, as well as personality traits and QOL, and to include psychosocial interventions when planning a multidisciplinary approach to managing diabetes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,220
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetDiabetes Management and EducationTravaux en français237 207