MétaCan
Menu
Retour à la cohorte
Enregistrement W3126658993 · doi:10.1371/journal.pone.0246515

Assessing anxiety, depression and insomnia symptoms among Ebola survivors in Africa: A meta-analysis

2021· review· en· W3126658993 sur OpenAlexaff
Jeremiah Wezenamo Acharibasam, Batholomew Chireh, Hayelom G. Menegesha

Notice bibliographique

RevuePLoS ONE · 2021
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensSaskatchewan Health Quality CouncilUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAnxietyMental healthMeta-analysisMedicineDepression (economics)InsomniaTraumatic stressMEDLINEPsychiatryScopusInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: During health disaster events such as the current devastating havoc being inflicted on countries globally by the SARS-CoV-19 pandemic, mental health problems among survivors and frontline workers are likely concerns. However, during such health disaster events, stakeholders tend to give more precedence to the socio-economic and biomedical health consequences at the expense of mental health. Meanwhile, studies show that regardless of the kind of disaster/antecedent, all traumatic events trigger similar post-traumatic stress symptoms among survivors, families, and frontline workers. Thus, our study investigated the prevalence of anxiety, depression and insomnia symptoms among survivors of the 2014-2016 Ebola virus disease that plagued the West African sub-region. METHODS: We systematically retrieved peer-reviewed articles published between 1970 and 2019 from seven electronic databases, including Google Scholar, MEDLINE, PsychInfo, PubMed, Scopus, Springer Link, Web of Science on Ebola and post-traumatic stress disorder symptoms. A comprehensive hand search complemented this literature search. Of the 87 articles retrieved, only 13 met the inclusion criteria for this meta-analysis. RESULTS: After heterogeneity, influence, and publication bias analysis, our meta-analysis pooled proportion effects estimates showed a moderate to a high prevalence of anxiety (14%; 99% CI: 0.05-0.30), depression (15%; 99% CI: 0.11-0.21), and insomnia (22%; 99% CI: 0.13-0.36). Effect estimates ranging from (0.13; 99% CI: 0.05, 0.28) through to (0.11; 99% CI: 0.05-0.22), (0.15; 99% CI: 0.09-0.25) through to (0.13; 99% CI: 0.08-0.21) and (0.23; 99% CI: 0.11-0.41) to (0.23; 99% CI: 0.11-0.41) were respectively reported for anxiety, depression and insomnia symptoms. These findings suggest a significant amount of EVD survivors are struggling with anxiety, depression and insomnia symptoms. CONCLUSION: Our study provided the first-ever meta-analysis evidence of anxiety, depression, and insomnia symptoms among EVD survivors, and suggest that the predominant biomedical health response to regional and global health disasters should be complemented with trauma-related mental health services.

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)0,014
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,034
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0150,054
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,388
Tête enseignante GPT0,445
Écart entre enseignants0,057 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 and Mental HealthTravaux en français237 207