Prevalence and risk factors of depression symptoms among rural and urban populations affected by Ebola virus disease in the Democratic Republic of the Congo: a representative cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: High mortality rates, anxiety and distress associated with Ebola virus disease (EVD) are risk factors for mood disorders in affected communities. This study aims to document the prevalence and risk factors associated with depressive symptoms among a representative sample of individuals affected by EVD. DESIGN: Cross-sectional study. SETTING: The current study was conducted 7 months (March 11, 2019 to April 23, 2019) after the end of the ninth outbreak of EVD in the province of Equateur in the Democratic Republic of the Congo (DRC). PARTICIPANTS: =34.05; SD=12.55) in health zones affected by the ninth outbreak in DRC. PRIMARY AND SECONDARY OUTCOME MEASURES: Participants completed questionnaires assessing EVD exposure level, stigmatisation related to EVD and depressive symptoms. The ORs associated with sociodemographic data, EVD exposure level and stigmatisation were analysed through logistic regressions. RESULTS: Overall, 62.03% (95% CI 59.66% to 64.40%) of individuals living in areas affected by EVD were categorised as having severe depressive symptoms. The multivariable logistic regression analyses showed that adults in the two higher score categories of exposure to EVD were at two times higher risk of developing severe depressive symptoms (respectively, OR 1.94 (95% CI 1.22 to 3.09); OR 2.34 (95% CI 1.26 to 4.34)). Individuals in the two higher categories of stigmatisation were two to four times more at risk (respectively, OR 2.42 (95% CI 1.53 to 3.83); OR 4.73 (95% CI 2.34 to 9.56)). Living in rural areas (OR 0.19 (95% CI 0.09 to 0.38)) and being unemployed (OR 0.68 (95% CI 0.50 to 0.93)) increased the likelihood of having severe depressive symptoms. CONCLUSIONS: Results indicate that depressive symptoms in EVD affected populations is a major public health problem that must be addressed through culturally adapted mental health programs.
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 ».