MétaCan
Menu
Retour à la cohorte
Enregistrement W2609513350 · doi:10.1186/s12877-017-0489-1

Physical inactivity and self-reported depression among middle- and older-aged population in South Asia: World health survey

2017· article· en· W2609513350 sur OpenAlexaff
Ghose Bishwajit, D P O'Leary, Sharmistha Ghosh, Sanni Yaya, Shangfeng Tang, Zhanchun Feng

Notice bibliographique

RevueBMC Geriatrics · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of OttawaGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésMedicineDepression (economics)Cross-sectional studyLogistic regressionPopulationPsychological interventionDemographyEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: With the increase in the understanding of the influence of various lifestyle factors such as sedentary behaviour and level of physical activity (PA) on physical and mental health, there has been a growing research interest on how physical inactivity correlates with depressive outcomes across countries. The present study aimed to examine 1) the pattern of engaging in PA among middle- and older-aged population in four South Asian countries, and 2) whether PA is associated with higher prevalence of depression. METHODS: This cross-sectional study is based on country-representative data obtained from WHO's World Health Survey (WHS). Subjects were 7204 men and women aged above 50 years from Bangladesh, India, Nepal and Sri Lanka, all of which are classified as Low-and-middle-income countries (LMICs) in World Bank reports. Outcome variables were self-ported depression (SRD) and ever being diagnosed with depression. Association between frequency of moderate (MPA) and vigorous physical activity (VPA) and depression was analysed by multivariable regression methods. RESULT: Prevalence of self-reported depression was respectively 47.7%, 40.3%, 40.4% and 11.4% in Bangladesh, India, Nepal and Sri Lanka. Prevalence of being ever diagnosed with depression was highest in Nepal (38.7%), followed by India (17.7%), Bangladesh (2.5%) and Sri Lanka (2%). Multivariable analysis shown statistically significant association between PA and diagnosed depression in Bangladesh and India, but not with SRD. In Bangladesh, compared to those who reported engaging in MPA on daily basis, the odds of reporting diagnosed depression were more than five times higher [AOR = 5.512; 95% CI = 1.159-26.21] for those who never took MPA. In India, those never took VPA had 44% higher [AOR = 1.442; 95% CI = 1.046-1.987] odds of being diagnosed with depression compared those who never engaged in VPA. CONCLUSION: Lower frequency of vigorous physical activity were significantly associated with higher rates of depression diagnosed. Based on the findings, it is recommendable that health programs targeting mental health among middle- and older-aged population take steps to promote the level of PA within a multi-dimensional depression prevention framework. Longitudinal studies are needed to understand the role of vigorous and moderate physical activity on the onset and intervention of depression among elderly population in the region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,081
Tête enseignante GPT0,341
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), 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

Citations99
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetPhysical Activity and HealthTravaux en français237 207