[Common mental disorders and use of psychotropic medications in women consulting at primary care units in a Brazilian urban area].
Notice bibliographique
Résumé
OBJECTIVE: To investigate the prevalence of common mental disorders (CMD) in women consulting at primary health care units in a Brazilian urban area, as well as to determine the impact of CMD on quality of life (QoL), the association of sociodemographic factors with CMD and QoL, and the prevalence and pattern of psychotropic medication use in the study sample. METHODS: In this quantitative, cross-sectional, correlational-descriptive study, a stratified sample of 365 women was interviewed between May 2012 and January 2013 in five primary health care units in Brazil. Data were collected using sociodemographic and drug use questionnaires. The self-reporting questionnaire (SRQ-20) was used to estimate the prevalence of CMD; and the World Health Organization Quality of Life (WHOQOL)-bref instrument was used to assess quality of life. To evaluate the impact of CMD on QoL, the t test and linear regression models were employed. The chi-square test was used to verify associations between CMD and sociodemographic variables. Descriptive analysis was used for psychotropic drug use. RESULTS: The prevalence of CMD was 44.1%. The prevalence of psychotropic medication use was 27.1%. Only 5.6% of participants had a psychiatric diagnosis recorded in their medical chart. Psychotropic drugs were used by 41.6% of participants with CMD according to the SRQ-20 and by 15.7% of those without CMD. There was no association between CMD and sociodemographic variables, but CMD and QoL were significantly associated. Women with CMD had the worst QoL, without impact of sociodemographic variables. CONCLUSIONS: Further attention should be given to the pattern of psychotropic medication use and prescription in primary care settings. Women with CMD had functional impairment, as shown by significantly lower QoL scores. The fact that sociodemographic factors did not impact the present results seems to support the notion of a different basis for CMD in women.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».