Prevalence and Correlates of Likely Major Depressive Disorder among the Adult Population in Ghana during the COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Emerging research suggests that the novel coronavirus disease (COVID-19) pandemic and associated public health restrictions have caused psychological distress in many contexts. In order for public health authorities and policy makers to effectively address the psychological distress associated with the pandemic, it is important to determine the prevalence and correlates of mental disorders, including depression. OBJECTIVES: We aimed to determine the prevalence, and demographic, social, clinical and other COVID-19 related correlates of major depressive disorder symptoms among the general population in Ghana during the COVID-19 pandemic. METHOD: The study was a cross-sectional survey using online data collection methods. The survey assessed demographic, social and clinical variables as well as COVID-19 related variables. Major depressive disorder symptoms were assessed using the Patient Health Questionnaire-9. The survey link was distributed primarily through WhatsApp-based platforms. Data were analyzed using descriptive and inferential statistics. RESULTS: The overall prevalence of likely MDD symptoms among the sample population was 12.3%. Variables such as employment, loss of jobs during the pandemic and rate of exposure to COVID-related news were independently and significantly associated with the likelihood that respondents had likely MDD. Variables such as gender, relationship, housing status and having a family member or friend who was sick from COVID-19 were not independently significantly associated with the likelihood that respondents had likely MDD, when all other factors in the model were controlled. CONCLUSION: This study has identified the prevalence and correlates of depression symptoms in Ghana during the COVID-19 pandemic. There is the urgent need for mental health policy makers and the government of Ghana to have policies in place to alleviate the potential threat to the mental health of the population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».