The Prevalence and Associated Factors of Depressive Symptoms Among Medical Students in Bangladesh During the COVID-19 Pandemic: A Cross-Sectional Pilot Study
Notice bibliographique
Résumé
Background: Whilst very limited studies have demonstrated a correlation between the COVID-19 pandemic and depressive symptoms amongst Bangladeshi medical students, the prevalence and associated factors of depressive symptoms as measured by the Patient Health Questionnaire (PHQ-9) remains widely unknown. Objective: The study aimed to investigate the prevalence and factors associated with depression symptoms among Bangladeshi medical students during the COVID-19 pandemic lockdown period. Method: In this web-based cross-sectional pilot study, medical students' data was collected using the Google Forms web survey platform after obtaining electronic informed consent. A total of 425 medical students were selected using a systematic sampling technique to accumulate depression symptoms and demographic and pandemic-related information. Depression was measured by a self-administered, validated English version of the Patient Health Questionnaire (PHQ-9) tool. The descriptive analysis utilized frequency and percentages, while the stepwise binary logistic regression analysis was performed to investigate the factors associated with depressive symptoms. Result: Among 425 medical students, 62.3% were female, 97.4% unmarried. Almost 80.2% of medical students had mild to severe levels of depressive symptoms as characterized by PHQ-9. A significantly higher probability of depression was found amongst female students (adjusted OR = 1.8), those who struggled to stay away from social media (adjusted OR = 1.8), those who tried to be optimistic for maintaining better psychology (adjusted OR = 11.1), and those who always had a sleeping difficulty in the last 4 weeks (adjusted OR = 8.9). Conclusion: A very high prevalence of depression symptoms among Bangladeshi medical students was found across the majority of socio-demographic variables. The alarming prevalence and associated factors of depression suggests the need for follow-intensity psychosocial interventions designed for medical students during the COVID-19 pandemic.
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 | 0,009 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».