Antidepressant use in low- middle- and high-income countries: a World Mental Health Surveys report
Notice bibliographique
Résumé
Abstract Background The most common treatment for major depressive disorder (MDD) is antidepressant medication (ADM). Results are reported on frequency of ADM use, reasons for use, and perceived effectiveness of use in general population surveys across 20 countries. Methods Face-to-face interviews with community samples totaling n = 49 919 respondents in the World Health Organization (WHO) World Mental Health (WMH) Surveys asked about ADM use anytime in the prior 12 months in conjunction with validated fully structured diagnostic interviews. Treatment questions were administered independently of diagnoses and asked of all respondents. Results 3.1% of respondents reported ADM use within the past 12 months. In high-income countries (HICs), depression (49.2%) and anxiety (36.4%) were the most common reasons for use. In low- and middle-income countries (LMICs), depression (38.4%) and sleep problems (31.9%) were the most common reasons for use. Prevalence of use was 2–4 times as high in HICs as LMICs across all examined diagnoses. Newer ADMs were proportionally used more often in HICs than LMICs. Across all conditions, ADMs were reported as very effective by 58.8% of users and somewhat effective by an additional 28.3% of users, with both proportions higher in LMICs than HICs. Neither ADM class nor reason for use was a significant predictor of perceived effectiveness. Conclusion ADMs are in widespread use and for a variety of conditions including but going beyond depression and anxiety. In a general population sample from multiple LMICs and HICs, ADMs were widely perceived to be either very or somewhat effective by the people who use them.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 tête enseignante, 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 ».