Meta-Analytic Evidence of Depression and Anxiety in Eastern Europe during the COVID-19 Pandemic
Notice bibliographique
Résumé
ABSTRACT Objective To perform a systematic and meta-analysis on the prevalence rates of mental health symptoms including anxiety and depression during the COVID-19 pandemic in the general population in Eastern Europe, as well as three select sub-populations: students, general healthcare workers, and frontline healthcare workers. Data sources Studies in PubMed, Embase, Web of Science, Psycinfo, and medRxiv up to February 6, 2021. Eligibility criteria and data analysis Prevalence rates of mental health symptoms in the general population and key sub-populations during the COVID-19 pandemic in Eastern Europe. Data were pooled using a random-effects meta-analysis to estimate the prevalence rates of anxiety and depression. Results The meta-analysis identifies and includes 21 studies and 26 independent samples in Eastern Europe. Poland (n=4), Serbia (n=4), Russia (n=3), and Croatia (n=3) had the greatest number of studies. To our knowledge, no studies have been conducted in eleven Eastern European countries including Hungary, Slovakia, and Slovenia. The pooled prevalence of anxiety in 18 studies with 22 samples was 30% (95% CI: 24% – 37%) and pooled prevalence of depression in 18 studies with 23 samples was 27% (95% CI: 21% – 34%). Implications The cumulative evidence from the meta-analysis reveals high prevalence rates of clinically significant symptoms during the COVID-19 pandemic in Eastern Europe. The findings suggest evidence of a potential mental health crisis in Eastern Europe during the ongoing COVID-19 pandemic. Our synthesis also reveals a relative lack of studies in certain Eastern European countries as well as high heterogeneities among the existing studies, calling for more effort to achieve evidence-based mental healthcare in Eastern Europe. Highlights The pooled prevalence of anxiety and depression were 30% and 27% in Eastern Europe, respectively. Trial registration CRD42020224458
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 | 0,030 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,057 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».