Introducción y objetivos: La pandemia por coronavirus 2 del síndrome respiratorio agudo grave (SARS-CoV-2) ha generado efectos psicológicos y sociales negativos en el personal de salud según se evidenció en la encuesta IMPPACTS-SAC20. Nuestro objetivo es determinar qué dominios del Patient Health Questionnaire (PHQ 9) tienen más influencia en el diagnóstico de depresión mayor e identificar subpoblaciones con elevada prevalencia de esta enfermedad. Métodos: Subanálisis de la encuesta IMPPACTS-SAC20. Se utilizaron técnicas de machine learning no supervisado para realizar un análisis factorial y generar subgrupos de casos similares en cuanto a su desempeño en el puntaje PHQ 9. Resultados: Se incluyeron 1,221 encuestados que respondieron el puntaje PHQ 9. El análisis factorial demostró la presencia de dos dimensiones principales (neurastenia y autopercepción negativa) que explican el 67.2% de la varianza del cuestionario (prueba KMO 0.911, Bartlett p < 0.001). La combinación de ambas dimensiones en un análisis jerárquico generó 9 clusters. Los grupos 5, 4, 2 y 1 explican el 93% de los casos de depresión mayor. Los grupos 5 y 4 presentaron valores más elevados de neurastenia, y los grupos 2 y 1 de autopercepción negativa. Los grupos 6, 7 y 8 en su conjunto presentaron una prevalencia de depresión mayor del 0.6%. Conclusión: La implementación de técnicas de machine learning detectó dos dimensiones dentro del puntaje PHQ 9, la neurastenia y la autopercepción negativa. Se evidenciaron subgrupos de alta prevalencia de depresión mayor, cuyas principales características clínicas fueron el sexo femenino, el consumo de alcohol, el tabaquismo y la intención suicida.
pandemia causada por el coronavirus 2 del síndrome respiratorio agudo grave (SARS-CoV-2) y generar un puntaje para su pesquisa. Métodos: Subanálisis de la encuesta argentina ImPPaCTS-SAC.20, incluyendo trabajadores de la salud con depresión mayor según el PHQ 9 (Patient Health Questionnaire 9). Se evaluaron predictores mediante análisis multivariante, se construyó un nuevo puntaje en la cohorte de derivación y se determinó su punto de corte, cuya calidad fue evaluada en la cohorte total y en la de validación. Resultados: Doscientos setenta trabajadores (22.1%) presentaban depresión mayor. Los predictores de depresión mayor fueron sexo femenino (p = 0.002), sentirse discriminado (p = 0.001), uso de ansiolíticos (p = 0.001) y tabaquismo (p = 0.025). Se elaboró un puntaje con dichas variables (sexo femenino 2 puntos, sentirse discriminado 1.5 puntos, uso de ansiolíticos 2.5 puntos y tabaquismo 3 puntos), con un área bajo la curva de 0.65 y un punto de corte de 2. En la cohorte de validación el área bajo la curva fue 0.66. Comparado con el PHQ 9 el valor predictivo negativo fue del 84%. Conclusiones: Los trabajadores de la salud en Argentina presentaron elevada prevalencia de depresión mayor durante la pandemia, asociado a factores predictores. Se elaboró un puntaje para detectar a quienes tienen bajo riesgo de padecerla.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.