Screening tools for ruling out mood and anxiety disorders in adults in primary care: a rapid systematic review
Notice bibliographique
Résumé
BACKGROUND: Patients with mood and anxiety disorders commonly visit primary care providers in Canada. Screening tools can support providers in identifying patients who need further mental health care. OBJECTIVES: Identify screening tools that are valid and reliable for ruling out mood and anxiety disorders in adults in primary care settings. DATA SOURCES: Our rapid review searched MEDLINE, Embase and PsycInfo from January 1, 2006, to May 27, 2025. STUDY SELECTION: A single reviewer conducted screening, critical appraisal and data extraction. Low risk-of-bias studies were included. Sensitivity, specificity, and negative likelihood ratios (NLRs) with 95% confidence intervals were extracted or calculated. A threshold of NLR < 0.1 was used to interpret strong rule-out performance. SYNTHESIS: We included 11 low risk-of-bias studies evaluating validity in 13 tools. No reliability studies were included due to high risk-of-bias. The Patient Health Questionnaire (PHQ)-2 (≥ 1/7), PHQ-9 (≥ 10/17), Generalised Anxiety Disorder (GAD)-2 (≥ 2/6), and GAD-7 (≥ 5/21) demonstrated the strongest evidence for ruling out depression and anxiety (NLR < 0.1). CONCLUSIONS: The PHQ-2, PHQ-9, HADS-D, 15-item GDS, QIDS-SR16, GAD-2, and GAD-7 are brief, valid tools with strong rule-out performance for depression and anxiety in primary care. Future research should evaluate reliability and performance in diverse providers and patients, including non-physician settings and underserved communities.
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) | 0,001 | 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 ».