Posttraumatic stress disorder prevalence in medical populations: A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: PTSD is increasingly recognized following medical traumas although is highly heterogeneous. It is difficult to judge which medical contexts have the most traumatic potential and where to concentrate further research and clinical attention for prevention, early detection and treatment. The objective of this study was to compare PTSD prevalence in different medical populations. METHODS: A systematic review of the literature on PTSD following medical traumas was conducted as well as a meta-analysis with final pooled result and 95% confidence intervals presented. A meta-regression was used to investigate the impact of potential effect modifiers (PTSD severity, age, sex, timeline) on study effect size between prevalence studies. RESULTS: From 3278 abstracts, the authors extracted 292 studies reporting prevalence. Using clinician-administered reports, the highest 24 month or longer PTSD prevalence was found for intraoperative awareness (18.5% [95% CI=5.1%-36.6%]) and the lowest was found for epilepsy (4.5% [95% CI=0.2%-12.6%]). In the overall effect of the meta-regression, only medical events or procedures emerged as significant (p = 0.006) CONCLUSION: This review provides clinicians with greater awareness of medical contexts most associated with PTSD, which may assist them in the decision to engage in more frequent, earlier screening and referral to 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 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 | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,026 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».