Depression and Its Help Seeking Behaviors: A Systematic Review and Meta-Analysis of Community Survey in Ethiopia
Notice bibliographique
Résumé
Background . Depression is one of the most common mental illnesses affecting around 322 million individual in the world. Although the prevalence of depression is high and its treatment is effective, little is known about its pooled prevalence and help seeking behaviors in the community settings of Ethiopia. Thus, this study aimed to determine the pooled prevalence of depression and its help seeking behaviors in Ethiopia. Methods . A systematic literature search in the databases of Pub-Med, Cochrane, and Google Scholar was performed. The quality of studies was assessed using the Newcastle-Ottawa quality assessment tool adapted for cross-sectional studies. Heterogeneity test and evidence of publication bias were assessed. Moreover, sensitivity test was also performed. Pooled prevalence of depression and its help seeking behavior were calculated using random effects model. Results . A total 13 studies for depression, 4 studies for help seeking intention, and 5 studies for help seeking behaviour were included in this review. The pooled prevalence of depression and help seeking intention and behaviour was found to be 20.5% (95% CI; 16.5% -24.4%), 42% (95% CI; 23%-60%), and 38% (95% CI; 23%-52%), respectively. There is no significant heterogeneity for depression (I 2 = 0%, p =0.620), help seeking intention (I 2 = 0%, p =0.996), and behaviour (I 2 = 0%, p =0.896). There is no publication bias for depression egger’s test (p =0.689). Conclusion . More than one in every five individuals were experiencing depression. Less than one-third of individuals with depression seek help from modern treatment. Authors suggest community based mental health screening and treatment.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 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 | 0,001 |
| 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 ».