Global population attributable fraction of potentially modifiable risk factors for mental disorders: a meta-umbrella systematic review
Notice bibliographique
Résumé
Numerous risk factors for mental disorders have been identified. However, we do not know how many disorders we could prevent and to what extent by modifying these risk factors. This study quantifies the Population Attributable Fraction (PAF) of potentially modifiable risk factors for mental disorders. We conducted a PRISMA 2020-compliant (Protocol: https://osf.io/hk2ag ) meta-umbrella systematic review (Web of Science/PubMed/Cochrane Central Register of Reviews/Ovid/PsycINFO, until 05/12/2021) of umbrella reviews reporting associations between potentially modifiable risk factors and ICD/DSM mental disorders, restricted to highly convincing (class I) and convincing (class II) evidence from prospective cohorts. The primary outcome was the global meta-analytical PAF, complemented by sensitivity analyses across different settings, the meta-analytical Generalised Impact Fraction (GIF), and study quality assessment (AMSTAR). Seven umbrella reviews (including 295 meta-analyses and 547 associations) identified 28 class I-II risk associations (23 risk factors; AMSTAR: 45.0% high-, 35.0% medium-, 20.0% low quality). The largest global PAFs not confounded by indication were 37.84% (95% CI = 26.77-48.40%) for childhood adversities and schizophrenia spectrum disorders, 24.76% (95% CI = 13.98-36.49%) for tobacco smoking and opioid use disorders, 17.88% (95% CI = not available) for job strain and depression, 14.60% (95% CI = 9.46-20.52%) for insufficient physical activity and Alzheimer's disease, 13.40% (95% CI = 7.75-20.15%) for childhood sexual abuse and depressive disorders, 12.37% (95% CI = 5.37-25.34%) for clinical high-risk state for psychosis and any non-organic psychotic disorders, 10.00% (95% CI = 5.62-15.95%) for three metabolic factors and depression, 9.73% (95% CI = 4.50-17.30%) for cannabis use and schizophrenia spectrum disorders, and 9.30% (95% CI = 7.36-11.38%) for maternal pre-pregnancy obesity and ADHD. The GIFs confirmed the preventive capacity for these factors. Addressing several potentially modifiable risk factors, particularly childhood adversities, can reduce the global population-level incidence of mental disorders.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».