The Prevalence of Depression and Anxiety and Their Lifestyle Determinants in a Large Sample of Iranian Adults: Results from a Population Based Cross-Sectional Study
Notice bibliographique
Résumé
Abstract Association of lifestyle-related factors and mental health has been less studied in Middle Eastern countries. This study aimed to examine the prevalence of two common mental health problems, i.e., depression and anxiety, and their lifestyle determinants in a large sample of Iranian population. This study was conducted within the framework of SEPAHAN population based cross-sectional study (N=4763(. The General Practice Physical Activity Questionnaire (GPPAQ) was used to assess physical activity and the Iranian-validated version of Hospital Anxiety and Depression Scale (HADS) was applied to screen for anxiety and depression. Logistic regression was used as the main statistical method for data analysis by SPSS version 16.0. A P-value <0.05 was considered to be statistically significant. The risk of anxiety and depression was 2.5 (OR=2.56,95% CI: 1.97-3.33) and 2.21(1.83-2.67) times higher in women than men, respectively. With every one-year increase in the age, the risk of anxiety decreased by 2% (OR=0.98,95% CI:0.97-0.99). Individuals with higher education had 56% lower risk of anxiety (OR=0.44,95% CI: 0.36-0.55) and 46% depression (OR=0.54,95% CI: 0.46-0.64) than the undergraduate group, and the risk of depression in the inactive (less than one hour of activity per week) group was 27% higher than the active group (OR=1.27,95% CI: 1.06-1.51). The risk of anxiety in the non-smoker group was 65% (OR=0.35,95% CI: 0.20-0.59) and depression was 64% lower than among smokers (OR=0.34,95% CI:0.22-0.53). In the ex-smoker group, the risk of anxiety was 60% (OR=0.40,95% CI:0.19-0.85) and depression was 59% lower than for the smoker group (OR=0.41,95% CI: 0.24-0.73). This current study’s results demonstrated significant associations between unhealthy lifestyle factors and increased risk of anxiety and depression. Hence, special attention must be paid to preventive intervention programmes aiming to enhance healthy lifestyle among at-risk populations.
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 | 0,001 | 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) | 0,001 | 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 ».