Prevalence and factors associated with major depressive disorder in children and adolescents at the Uganda Cancer Institute
Notice bibliographique
Résumé
BACKGROUND: The prevalence and factors associated with major depressive disorder (MDD) among adults with cancer have been documented in the scientific literature. However, this data is limited among children and adolescents with cancer; especially in low resource settings such as Uganda. We assessed the prevalence and factors associated with MDD in children and adolescents attending the Uganda cancer institute out-patient clinic. METHODS: This was a cross-sectional study in which three hundred and fifty-two children and adolescents with any cancer diagnosis were screened for depression using the Child Depression Inventory (CDI) and evaluated with the mini neuropsychiatric interview for children and adolescents (MINI-KID). Associated factors were assessed using a standardized questionnaire that assessed child and caregiver demographic and psychosocial characteristics. Multiple logistic regression models were used to assess factors independently associated with MDD. RESULTS: Of the 352 children and adolescents recruited in the study 134(38%) scored above a cut-off point of 13 on the CDI indicating significant depression symptoms. However, 91(26%) met criteria for MDD. The majority of those with MDD (n = 59 64.8%) had CDI scores of 13-19 indicating mild depression, 30(33%) had scores of 20-25 indicating moderate depression and 2(2.2%) had scores of 25 and above indicating severe depression. Protective factors against MDD were having a special person in the respondent's life (p = 0.002) and using self-distraction as a coping method (p = < 0.001). Risk factors were being an adolescent(p = < 0.001). CONCLUSION: The prevalence of MDD is substantial in children and adolescents with cancer in Uganda. Given that the majority had a mild-moderate depression, there is an urgent need to integrate psychotherapy-the first-line treatment for depression into the routine care of children and adolescents with cancer.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».