Epidemiology of antenatal depression in Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Antenatal depression is a serious problem worldwide that has devastating consequences not only for the mother but also for the child and family. The pooled evidence regarding the prevalence and associated factors of antenatal depression is rare in Africa. Hence this review aimed to investigate the prevalence and associated factors of antenatal depression in Africa. Methods We searched CINHAL, MEDLINE, PsycINFO, Psychiatry online, PubMed, SCOPES, and Emcare databases for English written observational studies conducted in Africa from 2007 to 2018.Quality of studies was assessed using the Newcastle Ottawa Scale (NOS), and studies with good quality were included in the final review. Heterogeneity across studies was assessed using the I 2 and Higgins test. Publication bias was checked using Funnel plot symmetry, and Egger’s regression test and adjustment was made by using Duval and Tweedie’s Trim and Fill analysis. A random effect Meta-analysis was employed to determine the pooled estimates with 95% confidence interval (CI). Stata 14 was used for analysis. The review protocol has been registered in PROSPERO number CRD42018106717. Result Of the 175 studies identified, 28 studies with an overall sample size of 17,938 were included. According to the random effect model following trim and fill analysis, the pooled prevalence of antenatal depression in Africa was 26.3% (95%CI: 22.2, 30.4%). Economic difficulties [POR = 1.87;95%CI:1.25,2.78, I 2 = 88.1%], unfavorable marital condition [POR = 4.17;95% CI:1.75, 9.94, I 2 = 81.2%], poor support from relatives [POR = 1.36;95% CI:1.18, 1.56, I 2 = 78.0%], bad obstetric history [POR = 2.30;95% CI:1.81, 2.92), I 2 = 81.7%], and history of mental health problem [POR = 2.97; 95% CI:1.74, 5.06, I 2 = 92.0%]were the factors associated with antenatal depression. Conclusion The prevalence of antenatal depression is high in Africa, which showed that one in four pregnant women had depression. Pregnant mothers who had economic difficulties, bad obstetric history, poor support from relatives, previous mental health problems, and unfavorable marital conditions were at higher risk of antenatal depression. Therefore these factors should be considered while designing mental health care services for pregnant mothers.
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,034 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».